基于近似计算与数据调度的CNN加速器设计与优化
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 论文背景与意义 | 第9-11页 |
| 1.1.1 卷积神经网络的发展 | 第9-10页 |
| 1.1.2 高能效卷积神经网络加速器的意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 研究内容与设计指标 | 第12-15页 |
| 1.3.1 本文研究内容 | 第12-13页 |
| 1.3.2 本文技术路线及设计指标 | 第13-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第二章 卷积神经网络运算与数据调度分析 | 第17-29页 |
| 2.1 卷积神经网络基本算法分析 | 第17-20页 |
| 2.1.1 神经网络基本算法 | 第17-18页 |
| 2.1.2 卷积神经网络层级结构算法 | 第18-20页 |
| 2.2 卷积神经网络运算特点分析 | 第20-25页 |
| 2.2.1 卷积运算数据冗余性分析 | 第21-22页 |
| 2.2.2 卷积运算数据重用特征分析 | 第22-24页 |
| 2.2.3 CNN卷积运算近似计算算法 | 第24-25页 |
| 2.3 卷积神经网络访存模态特性分析 | 第25-27页 |
| 2.3.1 卷积运算访存并行性分析 | 第25-26页 |
| 2.3.2 多循环卷积网络分析访存模态分析 | 第26-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第三章 基于量化压缩处理的CNN近似计算设计 | 第29-41页 |
| 3.1 基于冗余性的数据压缩量化处理 | 第29-32页 |
| 3.1.1 权重数据近似压缩处理 | 第29-31页 |
| 3.1.2 权重数据近似量化处理 | 第31-32页 |
| 3.2 高能效流水近似计算基本结构 | 第32-33页 |
| 3.2.1 高能效近似乘法器流水结构 | 第32-33页 |
| 3.2.2 流水近似迭代对数乘法器评估 | 第33页 |
| 3.3 卷积阵列近似计算多模态路由设计 | 第33-40页 |
| 3.3.1 卷积运算特征图数据重用建模 | 第33-35页 |
| 3.3.2 特征图数据的数据流设计 | 第35-39页 |
| 3.3.3 多模态特征图数据流实验评估 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 高能效CNN加速器数据调度设计 | 第41-57页 |
| 4.1 卷积网络层次多循环嵌套数据调度设计 | 第41-45页 |
| 4.1.1 整体层次访存模型设计 | 第41-43页 |
| 4.1.2 卷积多循环访存建模分析 | 第43-45页 |
| 4.2 卷积多多模态数据调度设计 | 第45-51页 |
| 4.2.1 卷积运算访存控制单元设计 | 第45-47页 |
| 4.2.2 运算阵列与存储数据通路设计 | 第47-49页 |
| 4.2.3 大尺寸特征图切割拼接机制 | 第49-51页 |
| 4.3 基于压缩量化及数据重用的阵列电压调节设计 | 第51-55页 |
| 4.3.1 基于数据调度平衡的执行时间预测模型 | 第51-53页 |
| 4.3.2 阵列数据调度平衡电压调节机制 | 第53-55页 |
| 4.4 本章小结 | 第55-57页 |
| 第五章 验证与结果分析 | 第57-65页 |
| 5.1 RTL级验证与分析 | 第57-62页 |
| 5.1.1 整体系统结构设计 | 第57-59页 |
| 5.1.2 高能效卷积运算阵列设计验证 | 第59-62页 |
| 5.2 性能评估及对比 | 第62-63页 |
| 5.3 本章小结 | 第63-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 研究工作总结 | 第65页 |
| 6.2 进一步研究展望 | 第65-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 作者简介 | 第75页 |
