DNN在位級可組合架構上的數據流優(yōu)化方法

摘要： 位級可組合架構用于支持有多種數據位寬類型的神經網絡計算。其硬件結構有較多變體，面對不同神經網絡模型需額外設計程序調度。過程耗時，阻礙軟硬件的快速迭代和部署，效果難以評估。相關的數據流建模工作缺乏位級計算描述和自動化方法。提出了基于數據流建模的自適應位級可組合架構上的數據調度優(yōu)化方法解決上述問題。引入位級數據流建模，以多種循環(huán)原語和張量-索引關系矩陣，描述位級可組合硬件結構的特征...