硬件加速神经网络综述

被引：51

作者：

陈桂林

马胜

郭阳

机构：

[1] 国防科技大学计算机学院

来源：

计算机研究与发展 | 2019年 / 56卷 / 02期

关键词：

机器学习; 神经网络; 通用芯片; 专用加速芯片; 体系结构;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

140502 [人工智能];

摘要：

人工神经网络目前广泛应用于人工智能的应用当中,如语音助手、图像识别和自然语言处理等.随着神经网络愈加复杂,计算量也急剧上升,传统的通用芯片在处理复杂神经网络时受到了带宽和能耗的限制,人们开始改进通用芯片的结构以支持神经网络的有效处理.此外,研发专用加速芯片也成为另一条加速神经网络处理的途径.与通用芯片相比,它能耗更低,性能更高.通过介绍目前通用芯片和专用芯片对神经网络所作的支持,了解最新神经网络硬件加速平台设计的创新点和突破口.具体来说,主要概述了神经网络的发展,讨论各类通用芯片为支持神经网络所作的改进,其中包括支持低精度运算和增加一个加速神经网络处理的计算模块.然后从运算结构和存储结构的角度出发,归纳专用芯片在体系结构上所作的定制设计,另外根据神经网络中各类数据的重用总结了各个神经网络加速器所采用的数据流.最后通过对已有加速芯片的优缺点分析,给出了神经网络加速器未来的设计趋势和挑战.

引用

页码：240 / 253

页数：14

共 4 条

[1]

A survey of neural network accelerators [J].

Li, Zhen ;

Wang, Yuqing ;

Zhi, Tian ;

Chen, Tianshi .

FRONTIERS OF COMPUTER SCIENCE, 2017, 11 (05) :746-761

[2]

A dynamically configurable coprocessor for convolutional neural networks.[J].Srimat Chakradhar;Murugan Sankaradas;Venkata Jakkula;Srihari Cadambi.ACM SIGARCH Computer Architecture News.2010, 3

[3]

A logical calculus of the ideas immanent in nervous activity.[J].Warren S. McCulloch;Walter Pitts.The Bulletin of Mathematical Biophysics.1943, 4

[4]

基于忆阻器的PIM结构实现深度卷积神经网络近似计算 [J].

李楚曦 ;

樊晓桠 ;

赵昌和 ;

张盛兵 ;

王党辉 ;

安建峰 ;

张萌 .

计算机研究与发展, 2017, 54 (06) :1367-1380

← 1 →