面向超低功耗时间序列边缘推理的TCN映射优化
机器学习
2022-04-11 v1 人工智能
摘要
时间卷积网络(TCNs)是用于时间序列分析的新兴轻量级深度学习模型。我们提出了一种自动化探索方法和一套优化内核库,用于将TCN映射到并行超低功耗(PULP)微控制器上。我们的方法通过利用层分块优化器,联合搜索分块维度并在TCN核心的因果与膨胀一维卷积操作的多种实现中进行选择,从而最小化延迟与能耗。我们在商用PULP器件上对我们的方法进行了基准测试,相比在STM32L4上执行的Cube-AI工具包实现了高达103倍的更低延迟和20.3倍的更低能耗,并且在相同硬件目标上相比商业闭源与学术开源方法实现了2.9倍至26.6倍的更低能耗。
引用
@article{arxiv.2203.12925,
title = {TCN Mapping Optimization for Ultra-Low Power Time-Series Edge Inference},
author = {Alessio Burrello and Alberto Dequino and Daniele Jahier Pagliari and Francesco Conti and Marcello Zanghieri and Enrico Macii and Luca Benini and Massimo Poncino},
journal= {arXiv preprint arXiv:2203.12925},
year = {2022}
}