Spiker+：用于生成高效脉冲神经网络FPGA加速器以进行边缘推理的框架
神经与进化计算
2024-12-23 v1 人工智能
硬件体系结构
摘要
在边缘嵌入式系统中包含人工神经网络，使得应用能够直接在网络外围运行的设备中利用人工智能能力。本文介绍了Spiker+，一个用于在FPGA上生成高效、低功耗、低面积的定制脉冲神经网络（SNN）加速器的综合框架，用于边缘推理。Spiker+提供了一个可配置的多层硬件SNN、一个高效神经元架构库和一个设计框架，使得只需几行Python代码就能开发复杂的神经网络加速器。Spiker+在两个基准数据集上进行了测试：MNIST和Spiking Heidelberg Digits (SHD)。在MNIST上，与最先进的SNN加速器相比，它展示了有竞争力的性能。在资源分配方面，它优于它们，仅需7,612个逻辑单元和18个Block RAM (BRAM)，使其能够适配非常小的FPGA，功耗仅为180mW即可完成对输入图像的完整推理。延迟与最先进水平相当，为780微秒/图像。据作者所知，Spiker+是第一个在SHD上测试的SNN加速器。在这种情况下，加速器需要18,268个逻辑单元和51个BRAM，总功耗为430mW，对输入数据完成完整推理的延迟为54微秒。这突显了Spiker+在硬件加速SNN领域的重要性，使其成为在资源和功耗受限的边缘应用中部署可配置和可调SNN架构的绝佳解决方案。
引用
@article{arxiv.2401.01141,
title = {Spiker+: a framework for the generation of efficient Spiking Neural Networks FPGA accelerators for inference at the edge},
author = {Alessio Carpegna and Alessandro Savino and Stefano Di Carlo},
journal= {arXiv preprint arXiv:2401.01141},
year = {2024}
}