《表4 SWsnn和GeNN性能对比》
然后,我们与GeNN软件性能进行简单对比.除了与CARLsim对比外,我们还比较了近几年发布的GPU软件GeNN.文献[7]列出了GeNN针对两个SNN模型计算耗时信息,本文选择与我们规模相近的模型进行对比.我们提取文献[7]计算性能较好的几种情况进行估测与对比,表4列出了其中可对比的相关信息.由此可知,SWsnn与GeNN的计算模型规模相近,但运行GeNN的GPU计算能力比SW26010单核组计算能力明显要高.并且,SWsnn模拟的激发频率明显高于GeNN.综合计算能力、计算规模等各方面影响的估测,对于权重累加计算速度,优化后的SWsnn比GeNN要高4倍以上,而对于总耗时,则约快8倍.
图表编号 | XD00163172000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.01 |
作者 | 栗学磊、朱效民、魏彦杰、冯圣中 |
绘制单位 | 中国科学院深圳先进技术研究院高性能计算研究中心、国家超级计算深圳中心(深圳云计算中心)、高效能服务器和存储技术国家重点实验室、中国科学院深圳先进技术研究院高性能计算研究中心、中国科学院深圳先进技术研究院高性能计算研究中心、国家超级计算深圳中心(深圳云计算中心) |
更多格式 | 高清、无水印(增值服务) |