데이터 재사용 기법을 이용한 저 면적 DNN Core
Low-area DNN Core using data reuse technique
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
임베디드 환경에서의 NPU는 적은 하드웨어 자원으로 딥러닝 알고리즘을 수행한다. 데이터를 재사용하는 기법을 활용하면적은 자원으로 딥러닝 알고리즘을 효율적으로 연산할 수 있다. 선행연구에서는 데이터 재사용을 위해 ScratchPad에서shifter를 사용해 데이터를 재사용한다. 하지만 ScratchPad의 Bandwidth가 커짐에 따라 shifter 역시 많은 자원을 소모한다. 따라서 Buffer Round Robin방식을 사용한 데이터 재사용 기법을 제시한다. 본 논문에서 제시하는 Buffer Round Robin 방식을 사용하여 기존의 방식보다 약 4.7%의 Chip Area를 줄일 수 있었다.
Abstract
NPU in an embedded environment performs deep learning algorithms with few hardware resources. By using atechnique that reuses data, deep learning algorithms can be efficiently computed with fewer resources. In previousstudies, data is reused using a shifter in ScratchPad for data reuse. However, as the ScratchPad’s bandwidth increases,the shifter also consumes a lot of resources. Therefore, we present a data reuse technique using the Buffer Round Robinmethod. By using the Buffer Round Robin method presented in this paper, the chip area could be reduced by about 4.7%compared to the conventional method.
참고문헌 (5)
- Chen, Yu-Hsin, "Eyeriss: An energyefficient reconfigurable accelerator for deep convolutional neural networks", IEEE journal of solid-state circuits, 52(1), pp.127~138 (2016)[DOI]
- Alwani, Manoj, "Fused-layer CNN accelerators", 2016 49th Annual IEEE, 2016, ~[DOI]
- 조철원, "딥러닝을 하드웨어 가속기를 위한 저전력 BSPE Core 구현", 전기전자학회논문지, 24(3), pp.895~900 (2020), 한국전기전자학회[DOI]
- Cheol-Won Jo, "Bit-Serial multiplier based Neural Processing Element with Approximate adder tree", International SoC Design Conference(ISOCC) (2020)
- Chen, Tianshi, "Diannao: A small-footprint high-throughput accelerator for ubiquitous machinelearning,", ACM SIGARCH Computer Architecture News, 42(1), pp.269~284 (2014)