【技术实现步骤摘要】
一种低片外传输带宽需求的卷积神经网络加速方法
[0001]本专利技术属于传输
,涉及一种低片外传输带宽需求的卷积神经网络加速方法。
技术介绍
[0002]作为深度学习的一个分支领域,卷积神经网络因其出色的准确性,在各种场景中已经得到了广泛的应用,例如图像处理,语音处理等。伴随着卷积神经网络准确性提升,当今顶尖的卷积神经网络模型需要构建相当深的卷积层结构来让输入图像数据转换为高度抽象的表现形式,如图1所示。神经网络深度的增加对计算提出了新的挑战,使用非常深的神经网络伴随着大量的乘法累加(MAC)操作,通用CPU的架构不适合这种计算。解决这个问题的简单方法是使用适合并行计算的GPU,其现有的运算框架可以较好的满足卷积神经网络的计算需求。随着物联网时代开始到来,边缘计算应用需求也随之提升。人们开始注意到GPU因其低能效而不适用于边缘计算应用。为了解决这个问题,目前的研究开始在FPGA和ASIC中开发硬件加速器,其具有较高的能效比。除此之外,因FPGA具有可重新配置逻辑结构的灵活性,其成为在硬件加速器领域得到大量应用的解决方案,但是,在设计一个基于FPGA的卷积神经网络加速器的时候通常面临着如下的问题。
[0003]FPGA片上存储资源有限,通常仅有几兆比特,无法放下卷积神经网络模型动辄几百兆比特的全部参数。若从片外存储中直接读写,上千万次的计算使得碎片化数据读写十分耗时。图2展示了单层卷积神经网络中卷积行为执行的示意图,左侧的为输入特征图,其中,in_h代表输入特征图高,in_w代表输入特征图宽,N代表输入特 ...
【技术保护点】
【技术特征摘要】
1.一种低片外传输带宽需求的卷积神经网络加速方法,其特征在于:该方法包括:数据加载load、卷积计算conv和数据写回store;根据DDR3传输理论带宽的计算公式:Bandwidth
DDR
=Core_frq
×
Bus_bitwidth
×
Mult_factor/8bits其中,Core_frq代表内存核心频率,其等于DDR3的数据频率除以8比特,Bus_bitwidth代表内存总线位宽,5CSEBA6芯片所支持的最大DDR3数据频率为800Mhz,所支持的总线位宽为32比特;Mult_factor代表内存的倍增系数;DDR采用时钟脉冲上升、下降沿各传一次数据,1个时钟信号传输2倍于SDRAM的数据,称为双倍速率SDRAM;它的倍增系数是2,DDR2采用时钟脉冲上升、下降支各传输一次数据的技术,每回预读4比特数据,是DDR的两倍,它的倍增系数是4,DDR3作为DDR2的改进,每回预读8比特数据,是DDR2的两倍,DDR的4倍,它的倍增系数是8,通过下式:Bandwidth
DDR
=800Mb/8bits
×
32bits
×
8bits/8bits得到所选用的5CSEBA6芯片所支持的最大DDR侧传输带宽为3200Mhz;根据应用端卷积神经网络加速器的带宽计算公式:Bandwidth
APP
=Data_frq
×
Data_bitwidth/8bits其中Data_frq代表应用端时钟频率,Data_bitwidth代表应用端数据位宽,带入当前设计数据总线频率150Mhz与位宽128bits:Bandwidth
APP
=150Mhz
×
128bits/8bits得到当前的数据加载所需带宽为2400Mhz;数据写回所需带宽为2400Mhz;为减少数据的传输带宽需求,将访存分为两个级别:片外访存和片上访存;构建当前数据调度策略的循环嵌套伪码,分析其中哪些数据流是在片外DDR访存,哪些数据流其中片上缓存访存;片外访存相较于片上访存,每次发起传输需要协议规定的握手信号,其时间和功耗开销更大,且占用有限的片外传输带宽;在每个对应输出通道切片Tm的外层循环to嵌套中,利用输入数据的复用性,将一份输入特征图数据对应一份权重数据的调度策略,转换为一个输入特征图数据,对应若干个权重数据,减少因传输输入特征图数据而产生的片外访存的开销,降低片外传输带宽的需求;计算多份权重后会得到对应多个输出通道的输出特征图数据,在满足片上存储资源约束的情况下,选择适当的输入特征图数据复用率来控制每次卷积计算进程处理的权重份数,避免因产生过多的输出数据而超出片上缓存空间;转换数据调度策略后的上板,对输出特征图尺寸较小的层而言,其占用的片上缓存空间较小,每次从片外DDR3存储器中加载一份输入特征图数据与两份权重数据,利用一定的输入特征图数据复用性。2.根据权利要求1所述的一种低片外传输带宽需求的卷积神经网络加速方法,其特征在于:所述卷积神经网络加速方法具体包括:引擎计算,用于处理加速器核心的卷积运算;片上缓存,用于缓冲从片外存储加载的输入特征图以及权重数;进程控制,用于控制单元用于控制各个模块的交互,操作进程的发起和停止;操作进程
包括计算、加载和存储。3.根据权利要求2所述的一种低片外传输带宽需求的卷积神经网络加速方法,其特征在于:所述引擎计算中,包括若干处理单元PE,每个处理单元包括Tn个乘法器,权重与输入特征图数据的...
【专利技术属性】
技术研发人员:张红升,甘济章,黄奎,刘挺,王玺,
申请(专利权)人:重庆邮电大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。