面向媒體應用的高能效神經網絡可重構陣列結構與系統(tǒng)調度.pdf

1、近年來，隨著互聯(lián)網和信息技術的發(fā)展，人工神經網絡逐漸成為信息技術領域的研究熱點，在圖像識別、語音翻譯和視頻檢測等媒體領域有著廣泛的應用。人工神經網絡算法種類繁多，可以通過不同的權重系數(shù)實現(xiàn)不同的功能。粗粒度可重構架構可以通過配置實現(xiàn)不同的算法功能，兼?zhèn)淞烁哽`活性和高能效性。本文結合可重構架構和神經網絡算法的共性特征，對面向媒體處理的可重構神經網絡系統(tǒng)進行了研究。
　　本文從媒體算法和神經網絡算法的特征入手，選取多層感知器(Mult

2、i-Layer Perceptron，MLP)處理圖像和視頻編碼中運算量大的部分算法。本文分析了面向媒體處理的可重構神經網絡系統(tǒng)結構中的權重、配置和計算數(shù)據的數(shù)據流特征，為系統(tǒng)優(yōu)化奠定基礎。在可重構神經網絡陣列方面，本文通過AxBench近似計算平臺，得出了相對較優(yōu)的陣列規(guī)模。針對MLP網絡的數(shù)據流特征，設計了一種基于計算負載動態(tài)自適應的路由結構，降低了陣列路由的復雜度，提高了陣列的計算性能和PE利用率。通過配置壓縮和權重分組的方法減少

3、了片上存儲的硬件開銷。在系統(tǒng)調度方面，本文一方面結合媒體數(shù)據采樣關系，設計了針對權重、配置的調度策略和調度模塊，對權重和配置進行預加載，填充了流水氣泡，提高了系統(tǒng)的計算性能。另一方面，結合視頻編碼多個模塊間的數(shù)據調度特征和運動矢量可預測特征，本文設計了基于動態(tài)預取機制的多模式數(shù)據調度策略及調度模塊，既解決了多個模塊間的數(shù)據交互問題又以較少的存儲開銷實現(xiàn)了較高的預取命中率，提升了訪存性能。
　　本文設計的基于計算負載自適應的路由結構

4、相比單一的Mesh路由結構計算性能提升了30.1％，PE利用率提升了16.7％。此外，在配置壓縮和權重分組的基礎上，配置和權重的調度模塊又將系統(tǒng)性能提升10.0％。基于高能效動態(tài)預取機制的數(shù)據緩存模塊在僅用12KB存儲開銷的情況下取得了90％以上的預取命中率，訪存性能提升了39％～45％。本文采用SMIC40nm的工藝對基于可重構神經網絡媒體處理系統(tǒng)進行了綜合驗證。實驗結果表明，圖像模式可以實現(xiàn)17fps～87fps@480P的編碼操作