文章目錄

• 面向DNN的NoC拓撲比較

• 題目：Energy-Efficient and High-Performance NoC Architecture and Mapping Solution for Deep Neural Networks
• 時間：2019
• 會議：NOCS
• 研究機構(gòu)：GIT

本篇論文的主要貢獻：

• 針對DNN比較不同拓撲，提出CMesh NoC架構(gòu)
• 提出負載均衡映射與數(shù)學(xué)模型

面向DNN的NoC拓撲比較

• Crossbar: 缺點是硬件的擴展性
• Ring: 優(yōu)點是每個router只需要3個端口，缺點是二等分帶寬沒法證據(jù)，可以用于DNN的局部神經(jīng)元，因為同一層的本地神經(jīng)元不通信
• Torus: 解決了mesh不對稱問題，缺點是長鏈路布局布線難
• flatten butterfly: 利用高基數(shù)路由器來減少跳數(shù)，但路由器更復(fù)雜，不適用于大規(guī)模DNN
• fat tree: 更適合廣播，但根部鏈路容易成為瓶頸，且任何一個結(jié)點都是不可替代，容錯率差點
• star: router基數(shù)大，也存在單點故障問題，更適合與其他類型的拓撲結(jié)合使用
• CMesh: 相比于mesh，減少了兩層之間通信的跳數(shù)

總結(jié)

以上是生活随笔為你收集整理的文献阅读（167）NoC神经网络加速器的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。