《表3:FPGA硬件实现:一种支持稀疏卷积的深度神经网络加速器的设计》
如表2所示,三维并行计算所需IFM数据带宽大于权重,且因Stride或Dilation,需要从片上缓存的不同地址读取IFM数据。本文DNNA每次计算需载入寄存器缓存的最小权重数据量为(Kh*Kw)*2*8。可以配置寄存器使本文DNNA预取两个权重数据块,同时预取对应的IFM数据,复用IFM数据完成16个权重核对应的OFM部分和,所优化的三维并行卷积数据流如式(4)所示。
图表编号 | XD00151232600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.15 |
作者 | 周国飞 |
绘制单位 | 上海齐感电子信息科技有限公司 |
更多格式 | 高清、无水印(增值服务) |