GPU 中神经网络的可靠性评估：一种永久故障注入框架
神经与进化计算
2022-05-25 v1
摘要
当前，深度学习尤其是卷积神经网络（CNNs）已成为广泛应用于众多领域的基础计算方法，包括一些安全关键应用（如汽车、机器人与医疗设备）。因此，对这些计算系统进行可靠性评估是必需的。CNNs 的可靠性评估通过在不同抽象层级（从应用层到硬件层）的故障注入活动来执行。许多工作聚焦于评估神经网络在瞬态故障存在下的可靠性。然而，永久故障的影响仅在应用层被研究，例如针对网络参数。本文旨在提出一种框架，借助二进制插桩工具执行故障注入活动， targeting GPU 内部的不同组件，如寄存器文件与功能单元。该环境首次允许在考虑永久故障存在的情况下评估部署于 GPU 上的 CNNs 的可靠性。
引用
@article{arxiv.2205.12177,
title = {Reliability Assessment of Neural Networks in GPUs: A Framework For Permanent Faults Injections},
author = {Juan-David Guerrero-Balaguera and Luigi Galasso and Robert Limas Sierra and Matteo Sonza Reorda},
journal= {arXiv preprint arXiv:2205.12177},
year = {2022}
}
备注
Paper accepted to be presented in The 2022 IEEE International Symposium on Industrial Electronics, Anchorage, Alaska, USA, June 1-3, 2022 to be published in the IEEE xplorer after the presentation in the event