面向高密度计算的众核SoC硬件加速设计技术研究

发布时间：2020-04-24 15:12

【摘要】：众核系统芯片(System on Chip,SoC)以片上网络(Network on Chip,NoC)为通讯架构,具有并行度高、扩展性强、功耗可控等特点,在面向高密度计算等领域,备受业界青睐。人工智能算法具有天然的高密度计算属性,因此,在人工智能领域,基于众核的硬件加速技术成为研究热点。如何充分挖掘片上网络与人工智能的新特性,解决延迟、扩展性等一体化设计问题,成为新的挑战。本文以此为研究对象,从以下两个方面开展研究工作:(1)在线计算配置参数降低延迟上界;(2)基于多播NoC提高卷积神经网络(Convolutional Neural Network,CNN)计算速度。主要工作有:(1)可在线计算配置的冲突优化硬件设计针对准动态冲突矩阵的方案存在自动化程度不高等问题,建立可在线计算配置的冲突优化硬件平台。硬件平台根据映射方案预测网络的所有冲突情况,计算出动态库文件。片上网络工作时,硬件平台实时监控片上网络的冲突情况并结合动态库文件,调整目标数据流的传输路径和流量分配,降低片上网络的拥塞程度。实验结果表明,对于不同的映射方案,网络延迟都有不同程度的改善。对于网络平均延迟,平均可降低14.57%;对于网络的延迟上界,平均可降低31.13%。(2)基于多播NoC的CNN硬件加速设计针对已有CNN加速方式扩展性差的问题,设计实现基于多播片上网络的CNN硬件加速器。本设计充分发掘CNN中大量存在的数据重用特性,将硬件加速设计和数据重用结合起来,设计实现了基于LeNet-5神经网络的手写识别众核SoC,对手写数字图像识别过程进行硬件加速。在多播片上网络的节点挂载硬件加速单元,协调多个硬件加速单元运行提高计算速度。实验结果表明,与基于硬件的已有工作相比,图像识别速度提升17.97%;与基于CPU的软件实现方式相比,加速比为5.06。
【学位授予单位】：合肥工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN47

【参考文献】

相关期刊论文 前9条

1 方睿;刘加贺;薛志辉;杨广文;;卷积神经网络的FPGA并行加速方案设计[J];计算机工程与应用;2015年08期

2 尹宝才;王文通;王立春;;深度学习研究综述[J];北京工业大学学报;2015年01期

3 王佳文;李丽;易伟;潘红兵;张宇昂;侯宁;张荣;;3D NoC映射问题的动态蚁群算法[J];计算机辅助设计与图形学学报;2011年09期

4 付斌章;韩银和;李华伟;李晓维;;面向高可靠片上网络通信的可重构路由算法[J];计算机辅助设计与图形学学报;2011年03期

5 李丽;许居衍;;片上网络技术发展现状及趋势浅析[J];电子产品世界;2009年01期

6 朱晓静;胡伟武;马可;章隆兵;;Xmesh：一个mesh-like片上网络拓扑结构[J];软件学报;2007年09期

7 张兴;;基于嵌入式技术的SoC是微电子科学发展的重要方向[J];电子产品世界;2007年01期

8 高明伦;杜高明;;NoC:下一代集成电路主流设计技术[J];微电子学;2006年04期

9 王杰臣,毛海城,杨得志;图的节点-弧段联合结构表示法及其在GIS最优路径选取中的应用[J];测绘学报;2000年01期

相关博士学位论文 前4条

1 刘炎华;片上网络映射及路由器关键技术研究[D];华东师范大学;2013年

2 钱悦;片上网络演算模型及性能分析[D];国防科学技术大学;2010年

3 葛芬;专用片上网络设计关键技术研究[D];南京航空航天大学;2010年

4 王力纬;NoC片上网络中的缓冲分配与动态路由算法研究[D];武汉大学;2009年

相关硕士学位论文 前7条

1 欧阳昊;动静态结合NoC映射技术研究[D];合肥工业大学;2017年

2 李向阳;面向温度的片上网络设计技术研究[D];合肥工业大学;2017年

3 王家祥;NoC最差情形性能分析及优化设计技术研究[D];合肥工业大学;2016年

4 奉桂;面向暗硅的片上网络架构与映射方法研究[D];南京航空航天大学;2016年

5 王春来;多路径最短路由NoC的网络演算模型及性能优化[D];合肥工业大学;2015年

6 张存强;基于网络演算的3D-NoC最差情形性能分析[D];合肥工业大学;2013年

7 张恒龙;片上网络拓扑结构的研究[D];西安电子科技大学;2009年

，

本文编号：2639095