专题：DNN 加速器的近似与故障弹性
机器学习
2023-06-09 v1 硬件体系结构
分布式、并行与集群计算
摘要
深度学习，尤其是深度神经网络（DNN），如今广泛应用于诸多场景，包括自动驾驶等安全关键应用。在此背景下，除能效与性能外，可靠性也起着关键作用，因为系统故障可能危及人类生命。与其他任何设备一样，运行 DNN 的硬件架构的可靠性必须评估，通常借助代价高昂的故障注入活动。本文探讨 DNN 加速器的近似与故障弹性。我们提议使用近似（AxC）算术电路，在无需对 DNN 进行故障注入的情况下敏捷模拟硬件错误。为实现 AxC DNN 的快速评估，我们开发了高效的基于 GPU 的仿真框架。此外，我们通过考察网络中的故障传播与掩蔽，提出一种细粒度故障弹性分析。
引用
@article{arxiv.2306.04645,
title = {Special Session: Approximation and Fault Resiliency of DNN Accelerators},
author = {Mohammad Hasan Ahmadilivani and Mario Barbareschi and Salvatore Barone and Alberto Bosio and Masoud Daneshtalab and Salvatore Della Torca and Gabriele Gavarini and Maksim Jenihhin and Jaan Raik and Annachiara Ruospo and Ernesto Sanchez and Mahdi Taheri},
journal= {arXiv preprint arXiv:2306.04645},
year = {2023}
}
备注
10 pages, 6 tables, 9 figures