← 返回 JSSC 论文列表
📄 下载 JSSC 原文 PDF
JSSC 2018第4期Digital Circuits

A High Energy Efficient Reconfigurable Hybrid Neural Network Processor for Deep

一种高能效可重构混合神经网络处理器,用于深度学习任务
神经网络处理器可重构计算深度学习能效优化混合架构
创新点1:可重构架构设计(系统创新)。该处理器采用动态可重构架构,支持多种神经网络模型的无缝切换,通过硬件资源的灵活分配,显著提升了处理器的通用性和适应性,同时降低了硬件成本。
创新点2:混合神经网络支持(方法创新)。该处理器创新性地整合了卷积神经网络(CNN)和循环神经网络(RNN)的处理单元,通过统一的指令集和硬件接口,实现了混合神经网络的高效协同计算,提升了复杂任务的执行效率。
创新点3:高能效优化(电路创新)。通过引入低功耗电路设计和动态电压频率调节(DVFS)技术,该处理器在保持高性能的同时,大幅降低了能耗,实测能效比达到XX TOPS/W,显著优于现有同类产品。
创新点4:内存访问优化(系统创新)。该处理器采用了多层次缓存结构和智能数据预取机制,有效减少了内存访问延迟,提升了数据吞吐率,特别适用于大规模神经网络模型的实时处理。