شتاب‌دهنده داراي قابليت بازپيكربندي براي اجراي كارآمد شبكه‌هاي عصبي

فاقد عنوان

شبكه‌هاي عصبي عميق به‌طور گسترده در كاربردهاي هوش مصنوعي استفاده مي‌شوند. انتقالات زياد داده‌ها و تعداد محاسبات فراوان از ويژگي‌هاي اجراي اين شبكه‌هاست. شبكه‌هاي عصبي از چندين لايه تشكيل شده‌اند كه هر لايه نسبت به ديگر لايه‌ها اندازه منحصربه‌فرد و متفاوتي دارد. معمولاً ابعاد شتاب‌دهنده بر مبناي ميانگيني از اندازۀ دسته‌اي از لايه‌ها، تعيين و ساخته مي‌شود. هنگام اجراي برخي از لايه‌ها به دليل عدم همپوشاني كامل ابعاد آن لايه با ابعاد پردازنده، تعدادي از منابع بي‌استفاده مي‌مانند؛ يعني با وجود نياز به منابع محاسباتي بيشتر براي اجراي سريع‌تر محاسبات، اختلاف اندازه برخي لايه‌هاي شبكه عصبي با ابعاد شتاب‌دهنده، مانعِ دستيابي به حداكثر كارايي مي‌شود. معماري پيشنهادي با استفاده از قابليت بازپيكربندي امكان تغيير ابعاد پردازنده و نزديك شدن به ابعاد لايۀ در حال اجرا را فراهم مي‌كند. اين معماري مشكل بي‌استفاده ماندن منابع را بهبود داده و در برخي موارد كاملاً برطرف مي‌كند. بهبود بهره‌وري، سرعت محاسبات مدل گوگل‌نت را به‌طور متوسط 41/27% افزايش داده و دفعات خواندن از حافظه داخلي را حدود 23% نسبت به معماري پايه كاهش داده است. بهبودها در حالي است كه سربار سخت‌افزاري بسيار كم و قابل چشم‌پوشي به سيستم اعمال شده است.

no abstract