公开(公告)号：CN118133911A

公开(公告)日：2024-06-04

申请号：CN202410212878.5

申请日：2024-02-27

Applicant: 中国科学院计算技术研究所

Inventor： 李宛茜 ,  陈晓明 ,  韩银和

IPC: G06N3/063 ,  G06N3/0464 ,  G06N5/04

Abstract: 本发明提供了一种面向存内计算的卷积神经网络加速器的自动综合方法，该方法能够基于卷积神经网络推理任务、存内计算加速器峰值功耗约束、存内计算加速器的硬件参数查找表，采用模拟退火方法得到筛选出在每个参数组合下的卷积神经网络权重复制候选策略，采用遗传方法得到选出性能最优的宏单元映射方案从而获得该方案对应的卷积神经网络权重复制候选策略、存内计算加速器硬件参数组合以及硬件资源分配方案。采用本发明的方法来生成存内计算加速器架构配置的方案大大减少了架构设计的专业门槛，提高了存内计算加速器设计的效率，节省了专家设计的成本，同时有效丰富了加速器架构配置方案的优化策略以保障存内加速器配置方案的设计质量。

公开(公告)号：CN115712506A

公开(公告)日：2023-02-24

申请号：CN202211499120.1

申请日：2022-11-28

Applicant: 中国科学院计算技术研究所

Inventor： 李宛茜 ,  陈晓明 ,  韩银和

IPC: G06F9/50 ,  G06N3/063 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/082

Abstract: 本发明提供了一种资源分配方法以及加速器，该加速器含有多个忆阻器阵列，该方法包括：获取待加速的卷积神经网络的结构参数以及加速器的架构参数；基于所述结构参数和架构参数确定所述卷积神经网络模型的每个卷积层的最小需求量，所述最小需求量为在该加速器上存储对应卷积层中所有权重参数所需的最小忆阻器阵列数；根据预定的约束条件，以每个卷积层在其最小需求量的基础上的分配倍数为调整对象，确定所述卷积神经网络在该加速器上运行的总处理时延最优的资源分配策略，其中，所述最优的资源分配策略指示每个卷积层最终的分配倍数；根据每个卷积层最终的分配倍数和最小需求量，确定该卷积层分配的忆阻器阵列数量。