SAMO：卷积神经网络到流式架构的优化映射
硬件体系结构
2022-08-10 v2
摘要
为使卷积神经网络（CNN）模型映射至现场可编程门阵列（FPGA）并自动化生成面向多样应用的高性能设计，工具流开发已投入大量精力。然而在这些工具流中，寻找最优映射的问题常被忽视，期望终端用户针对其目标平台调优所生成硬件。这在流式架构工具流中尤为突出，因其设计空间庞大。本文确立 SAMO 框架：一种流式架构映射优化器。SAMO 利用 CNN 模型结构及流式架构共有特征，以统一方法学刻画映射优化问题。此外，SAMO 显式探索 FPGA 可重构性，使方法学克服资源受限场景下某些工具流施加的映射限制，并提升可达吞吐量。我们开发了三种优化方法——暴力搜索、模拟退火与基于规则——以为系列目标平台与 CNN 模型生成有效高性能设计。结果表明，SAMO 优化设计相较现有手工调优设计可实现 4–20 倍性能提升。SAMO 框架开源：https://github.com/AlexMontgomerie/samo。
引用
@article{arxiv.2112.00170,
title = {SAMO: Optimised Mapping of Convolutional Neural Networks to Streaming Architectures},
author = {Alexander Montgomerie-Corcoran and Zhewen Yu and Christos-Savvas Bouganis},
journal= {arXiv preprint arXiv:2112.00170},
year = {2022}
}