研究人员提出了“兼具计算和通信意识的H2H映射算法;通过少量的计算交换通信，系统的整体延迟和能量消耗可以大大降低。”
新的研究论文“H2H:具有计算和通信意识的异构模型到异构系统映射”，来自匹兹堡大学，佐治亚理工学院。
文摘:
“现实世界问题的复杂性要求机器学习(ML)模型和硬件系统都具有异质性。ML模型的异质性来自于多传感器感知和多任务学习，即多模态多任务(MMMT)，导致了不同的深度神经网络(DNN)层和计算模式。系统中的异构性来自不同的处理组件，因为将多个专用加速器集成到一个系统中已成为普遍的方法。因此，出现了一个新的问题:异构模型到异构系统映射(H2H)。虽然以前的映射算法主要关注高效的计算，但在这项工作中，我们认为同时考虑计算和通信对于更好的系统效率是必不可少的。提出了一种新的具有计算意识和通信意识的H2H映射算法;通过稍微用计算交换通信，系统的整体延迟和能量消耗可以大大降低。我们的工作性能基于MAESTRO建模进行了评估，与现有的计算优先级映射算法相比，延迟减少了15%-74%，能量减少了23%-64%。”
找到这里是技术文件．公布的04/2022。
作者:张欣怡、郝、聪、周、佩佩、琼斯、Alex、胡静彤。
参观半导体工程技术论文库并发现更多芯片行业的学术论文。
留下回复