《Table 2 Detailed parameters of the deep learning IP core表2 深度学习IP核详细参数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《面向深度学习的SoC架构设计与仿真》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

700多个Tensor Core的组织和布局是非常复杂的，且如此细粒度的设计也并非本文所能涵盖和完成的，考虑到Tensor Core的结构是可扩展的，即可以将4*4*4的矩阵处理阵列扩展为8*8*8或16*16*16。若将Tensor Core矩阵处理阵列扩展为8*8*8，则Tensor Core的浮点性能为1TOPS，所需的Tensor Core个数为90个左右。将Tensor Core矩阵处理阵列扩展为16*16*16，则Tensor Core的浮点性能为8 TOPS，所需的Tensor Core个数约为12个。因此，本文最终选取矩阵处理粒度为16*16*16的Tensor Core作为本文中SoC系统设计的主要计算单元。由于SoC系统运行时不可能一直处于峰值性能，因此本文在进行系统设计时，需要适量地扩充计算单元个数，最终设计使用了16个Tensor Core。每4个Tensor Core为1组，形成1个Cluster，共有4个Cluster。