XPert：面向基于交叉阵列计算的面积与能效优化的外设电路与神经网络架构协同搜索
计算机视觉与模式识别
2023-11-22 v2
摘要
在存内计算（IMC）架构上实现的深度神经网络（DNN）的硬件效率与精度主要取决于 DNN 架构与外设电路参数。因此，必须从整体上进行网络与外设参数的协同搜索以实现最优性能。为此，我们提出 XPert，它利用基于优化的设计空间探索，将网络架构与诸如模数转换器类型与精度、交叉阵列列共享以及层特定输入精度等外设参数协同搜索。相比 VGG16 基线，XPert 在 CIFAR10（TinyImagenet）数据集上以 92.46%（56.7%）的精度实现了低 10.24x（4.7x）的 EDAP、高 1.72x（1.62x）的 TOPS/W、高 1.93x（3x）的 TOPS/mm²。本文代码见 https://github.com/Intelligent-Computing-Lab-Yale/XPert。
引用
@article{arxiv.2303.17646,
title = {XPert: Peripheral Circuit & Neural Architecture Co-search for Area and Energy-efficient Xbar-based Computing},
author = {Abhishek Moitra and Abhiroop Bhattacharjee and Youngeun Kim and Priyadarshini Panda},
journal= {arXiv preprint arXiv:2303.17646},
year = {2023}
}
备注
Accepted to Design and Automation Conference (DAC)