.png){kind=icon}
返回
Dataflow-Reconfigurable CNN Accelerator Design
.png){kind=icon}
PRE
AI
DOI：10.1109/mm.2026.3671071.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
数据流级重构性通过支持选择最适合卷积运算的数据流模式，在卷积神经网络（CNN）加速中发挥着关键作用。全重构架构支持多种数据流并提供高灵活性，但通常会增加设计复杂度和操作开销。相比之下，针对单一数据流优化的非重构架构对特定工作负载实现高效率，但缺乏适应性。本文提出了一种中间数据流级重构的CNN加速器，通过支持一组有限的关键数据流模式来平衡灵活性和效率。所提出的加速器以平均0.15%的额外延迟确定最合适的数据流。采用专用脉动阵列架构，该设计相较于非重构、单数据流架构实现了平均35%的性能提升。
Keyword:
Convolutional neural networks
Reconfigurable architectures
Data processing
Object detection
Hardware acceleration
Energy consumption
Design methodology
Random access memory
Memory management
