软件学报

作者：娄文启，王超，宫磊，周学海

单位：娄文启，中国科学技术大学 计算机科学与技术学院, 安徽 合肥 23002711,王超，中国科学技术大学 计算机科学与技术学院, 安徽 合肥 23002702,宫磊，中国科学技术大学 计算机科学与技术学院, 安徽 合肥 23002703,周学海，中国科学技术大学 计算机科学与技术学院, 安徽 合肥 23002704

关键词：卷积神经网络;特定领域指令;RISC-V;代码映射;现场可编程门阵列

基金：国家重点研发计划（2017YFA0700900，2017YFA0700903）；国家自然科学基金（61379040）；江苏省自然科学基金（BK20181193）；中国科学院青年创新促进会资助项目（2017497）

近年来，卷积神经网络（CNN）在图像识别和分类领域的高精度表现使其在机器学习领域受到了广泛关注.然而CNN的计算与访存密集特性给需要支持各种负载的通用处理器带来了巨大压力.因此，涌现了大量CNN专用硬件加速器.它们虽然提高了效率但却缺乏灵活性.基于新兴的RISC-V架构设计了包含10条矩阵指令的专用指令集RV-CNN.通过抽象典型CNN中的计算为指令，该指令集可灵活支持CNN推理过程并具有比通用ISA更高的代码密度.在此基础上，提出了代码至指令的映射机制.通过在Xilinx ZC702上使用该指令集构建不同网络模型后发现，相比于x86处理器，RV-CNN平均具有141倍的能效和8.91倍的代码密度；相比于GPU，平均具有1.25倍的能效和1.95倍的代码密度.另外，相比于以往的CNN加速器，该设计在支持典型CNN模型的同时仍具有不错的能效.

来源：2020年第10期

《软件学报》期刊编辑部

查看软件学报杂志2020年第10期