文献阅读(167)NoC神经网络加速器

文章目录

  • 面向DNN的NoC拓扑比较

  • 题目:Energy-Efficient and High-Performance NoC Architecture and Mapping Solution for Deep Neural Networks
  • 时间:2019
  • 会议:NOCS
  • 研究机构:GIT

本篇论文的主要贡献:

  • 针对DNN比较不同拓扑,提出CMesh NoC架构
  • 提出负载均衡映射与数学模型

面向DNN的NoC拓扑比较

  • Crossbar: 缺点是硬件的扩展性
  • Ring: 优点是每个router只需要3个端口,缺点是二等分带宽没法证据,可以用于DNN的局部神经元,因为同一层的本地神经元不通信
  • Torus: 解决了mesh不对称问题,缺点是长链路布局布线难
  • flatten butterfly: 利用高基数路由器来减少跳数,但路由器更复杂,不适用于大规模DNN
  • fat tree: 更适合广播,但根部链路容易成为瓶颈,且任何一个结点都是不可替代,容错率差点
  • star: router基数大,也存在单点故障问题,更适合与其他类型的拓扑结合使用
  • CMesh: 相比于mesh,减少了两层之间通信的跳数

文献阅读(167)NoC神经网络加速器_第1张图片

你可能感兴趣的:(芯片互联,硬件架构)