SWAM:SNN工作负载自动映射器

摘要：

为了满足大规模脉冲神经网络(SNN)的计算需求,类脑计算系统通常需要采用大规模并行计算平台.因此,如何快速为SNN工作负载确定合理的计算节点数(即如何把工作负载合理映射到计算平台上)以获得最佳的性能、功耗等指标就成为类脑计算系统需解决的关键问题之一.首先分析了SNN工作负载特性并为其建立起计算模型;然后针对NEST类脑仿真器,进一步实例化了SNN的内存、计算和通信负载模型;最终设计并实现了一种基于NEST的SNN工作负载自动映射器(SWAM).SWAM可以自动计算出映射结果并完成映射,避免了极其耗时的工作负载映射手动试探过程.在ARM+FPGA、纯ARM、PC集群三种不同的计算平台上运行SNN典型应用,并比较SWAM、LM算法拟合和实测的映射结果.实验结果表明:SWAM的平均映射准确率达到98.833％,与LM方法与实测映射相比,SWAM具有绝对的时间代价优势.

关键词：脉冲神经网络(SNN);工作负载映射;PYNQ集群;现场可编程逻辑门阵列(FPGA)加速;NEST仿真器

所属期刊栏目：15

分类号：TP302(计算技术、计算机技术)

资助基金：国家自然科学基金;数学工程与先进计算国家重点实验室开放基金

在线出版日期：2021-09-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共17页

页码：1641-1657