JSSC 2020第2期Digital Circuits65nm

STICKER- An Energy-Efficient Multi-Sparsity Compatible Accelerator for Convoluti

STICKER是一款高效能卷积神经网络处理器，通过充分利用稀疏性提升能效。

65nm CMOS, 峰值能效62.1 TOPS/W

卷积神经网络能效稀疏性处理器Alexnet

▸创新点1：多稀疏性控制与数据流 - 通过实现九种稀疏模式的自动切换，STICKER能够根据不同层的稀疏性分布动态调整处理策略，显著提升能量效率。这一方法创新使得处理器在稀疏性从2%到99%的广泛范围内都能高效运行，峰值能量效率达到62.1 TOPS/W。

▸创新点2：多模式分层数据存储器 - 设计了一种可重构的存储器架构，能够根据不同稀疏模式动态调整存储策略，从而在稀疏性变化时保持高存储效率。这一系统创新通过优化数据访问模式，减少了存储带宽需求，提升了整体性能。

▸创新点3：多稀疏性兼容的卷积处理单元阵列 - 开发了一种新型的PE阵列，能够高效处理不同稀疏模式下的卷积操作，尤其是在激活和权重均为稀疏时。这一电路创新通过支持多种稀疏性模式，显著提升了计算效率和能量利用率。

▸创新点4：宽范围稀疏性支持 - STICKER通过综合上述创新点，实现了对稀疏性分布的广泛支持，从而在完全剪枝的Alexnet模型中，能量效率达到2.82 TOPS/W，比现有最优处理器高出1.8倍。这一系统级创新展示了其在稀疏神经网络加速中的卓越性能。

Abstract

STICKER is an energy-efﬁcient convolutional neural network (NN) processor. It mainly improves energy efﬁciency by making full use of sparsity. The network sparsity can potentially lower storage and computation requirements. However, the sparsity distribution of both activations and weights ranges from 2% to 99% in different layers or models. Therefore, good s upport for the sparsity distribution is the key to improve the energy efﬁciency. Three new features are proposed in this article to suppor