【技术实现步骤摘要】
本专利技术涉及处理器，尤其涉及一种存储和计算资源利用率的评估方法。
技术介绍
1、现有技术公开了卷积神经网络是深度学习中常见的算法之一，在计算机视觉中有着举足轻重的地位，而针对神经网络计算的处理器设计也是形形色色。
2、随着人工智能的持续发展，日益复杂的网络结构给处理器设计带来一系列的挑战。现有的处理器除了cpu(central processing unit)、gpu(graphics processingunit)、fpga(field programmable gate array)外，绝大多数都是asic(applicationspecific integrated circuit)设计，经典的设计代表如mit的eyeriss、nvidia的nvdla及simba架构、脉动阵列等，实践表明，这些设计的存储结构和计算阵列均存在一定的差异。
3、处理器设计的核心往往是最大化利用片上的计算资源和存储资源，而不同处理器设计的主要差异在存储层级和阵列规模两方面，因此最大化硬件资源利用率及最小化存储能耗是所属
...
【技术保护点】
1.一种存储计算资源利用率的评估方法，用于评估处理器的存储资源和计算资源，其特征在于：
2.如权利要求1所述的评估方法，其特征在于，所述存储分摊包括实际存储分摊和平均存储分摊。
3.如权利要求1所述的评估方法，其特征在于，所述计算资源的PE利用率是指计算负载时并行工作的PE数目，通过执行仿真获得PE利用率和计算周期从而计算实际平均PE利用率。
4.如权利要求1所述的评估方法，其特征在于，所述处理器按照三层结构划分为底层、中层和顶层，其中，底层对应所述存储分摊。
5.如权利要求4所述的评估方法，其特征在于，所述底层指进行一...
【技术特征摘要】
1.一种存储计算资源利用率的评估方法，用于评估处理器的存储资源和计算资源，其特征在于：
2.如权利要求1所述的评估方法，其特征在于，所述存储分摊包括实际存储分摊和平均存储分摊。
3.如权利要求1所述的评估方法，其特征在于，所述计算资源的pe利用率是指计算负载时并行工作的pe数目，通过执行仿真获得pe利用率和计算周期从而计算实际平均pe利用率。
4.如权利要求1所述的评估方法，其特征在于，所述处理器按照三层结构划分为底层、中层和顶层，其中，底层对应所述存储分摊。
5.如权利要求4所述的评估方法，其特征在于，所述底层指进行一次乘加操作所需配备的第一级存储模块及计...
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。