在深度神经网络硬件加速器设计中使用近似电路库
硬件体系结构
2020-07-06 v1
摘要
近似电路已被开发用于在深度神经网络（DNN）硬件加速器等容错应用中提供功耗与服务质量间的良好权衡。为加速近似电路设计流程并支持对电路近似方法进行公平基准测试，已引入近似电路库。例如，EvoApprox8b 包含数百个 8 位近似加法器与乘法器。借助遗传编程，我们生成了该库的扩展版本，其中包含数千个 8 至 128 位近似算术电路。这些电路就若干误差度量、功耗及其他电路参数而言构成 Pareto 前沿。在我们的案例研究中，我们展示如何使用大规模近似乘法器集合对 ResNet DNN 的硬件加速器进行弹性分析，并为给定应用挑选最适宜的近似乘法器。结果基于在 CIFAR-10 基准问题上训练的各 ResNet DNN 实例给出。
引用
@article{arxiv.2004.10483,
title = {Using Libraries of Approximate Circuits in Design of Hardware Accelerators of Deep Neural Networks},
author = {Vojtech Mrazek and Lukas Sekanina and Zdenek Vasicek},
journal= {arXiv preprint arXiv:2004.10483},
year = {2020}
}
备注
To appear at the 2nd IEEE International Conference on Artificial Intelligence Circuits and Systems (AICAS 2020)