跳到正文
原文
arXiv · Neural and Evolutionary Computing· Mohammad Farahani, Mohammad Rasoul Roshanshah, Saeed Safari
· 22 小时前

Flex-Plorer:面向边缘 SNN 加速器的精度感知软硬件协同设计框架

Flex-Plorer: A Precision-Aware Hardware-Software Co-Design Framework for an Edge SNN Accelerator

预印本 · 尚未经过同行评审

AI 导读

Flex-Plorer 软硬件协同设计框架在三个边缘应用上分别实现 75%、93% 和 97% 的准确率。

摘要 · AI 翻译

神经形态加速器为脉冲神经网络(SNN)承诺了高能效与高计算密度,尤其是在功耗约束严苛的可穿戴设备和神经假体中。然而,现有大多数平台架构僵化、可配置性有限,这限制了它们对异构信号和多样化设计目标的适应能力。为弥补这一空白,我们提出 Flex-Plorer,一个精度感知的软硬件协同设计框架,针对固定架构在权重精度与衰减精度上使用启发式搜索。它将硬件感知的定点仿真与经综合训练的 LUT/FF 估计器以及解析式 BRAM 估计相结合,无需逐候选综合即可引导用户自定义的精度-资源权衡。最优配置会生成专用 RTL、驱动程序和部署数据。其底层基座 Flexi-NeurA 通过事件驱动、时分复用的核心,配合共享神经元数据通路和地址事件通信,支持多种神经元模型与拓扑结构。设计期组件选择和自动存储器尺寸设定使实现得以专用化,无需手动修改 RTL。综合评估展示了所提出流程在三个应用领域中的通用性:(i) 听觉处理,达到 75% 准确率,每次推理能耗 1.48mJ;(ii) 动态视觉传感器手势识别,达到 93% 准确率,能耗 0.55mJ;(iii) 标准视觉分类,达到 97% 准确率,能耗 0.12mJ。Flex-Plorer 与 Flexi-NeurA 共同构成一个应用自适应、高能效的协同设计流程,用于在异构边缘 AI 工作负载中部署 SNN。

中文由 AI 翻译,仅供参考,以原文为准。

来源:arXiv · Neural and Evolutionary Computing · arxiv.org

相关事件

PsyBrain 脑心前沿

让每一位脑科学探索者,都不再独行。