返回
MPN-S: An Algorithm-Hardware Co-Designed Architecture for High-Efficiency Softmax Computation
DOI:10.1109/TCSII.2025.3594105.png)
摘要
En 中文
作为Transformer中的基本算子,softmax因其计算复杂度而面临关键硬件挑战。softmax中广泛使用的指数和除法运算不仅占用了大量计算资源,还导致硬件实现时的高执行延迟。本研究提出了一种高精度算法与硬件协同设计的softmax架构MPN-S,包括映射优化、动态剪枝以及结合流水线调度的动态牛顿迭代法。所提出的MPN-S通过最小误差整数映射方法、动态剪枝和压缩查找表简化了softmax计算。结合动态牛顿迭代和流水线设计,MPN-S将softmax处理时间压缩为一次寻找最大值的时间。实现结果表明,在28 nm CMOS工艺下0.5 GHz频率时,MPN-S在不包括缓冲区的2292 μm²面积上可达到3827.18 Gps/(mm²·mW)的能效。神经网络实验显示,将softmax函数替换为MPN-S后,MobileVIT分类任务的准确率达到92.9%,Yolo V10的mAP50val达到0.959。
Keyword:
Softmax function
transformer
neural network
collaborative optimization
hardware implementation
期刊
I
IF:
4.9
论文数:
8.8K
被引数:
2.5W

