- 1
- 2
- 3
- 4
- 5
面向存算一体芯片的模拟计算阵列中存算一体芯片的图神经网络推理加速架构设计.docx
资料介绍
面向存算一体芯片的模拟计算阵列中存算一体芯片的图神经网络推理加速架构设计
摘要
图神经网络（GNN）在社交网络分析、分子结构预测、推荐系统等领域的广泛应用，对计算硬件提出了新的需求——GNN的推理过程涉及图结构数据的稀疏矩阵乘法和特征聚合操作，与传统的卷积神经网络在计算模式上存在本质差异。存算一体芯片的模拟计算阵列在执行矩阵运算时具有天然优势，但GNN中图结构数据的非规则性和随机访问特征对存算一体架构的设计提出了独特挑战。本文针对GNN推理加速需求，设计了一种面向图神经网络的存算一体加速架构，通过图结构感知的权重映射、稀疏聚合优化和片上访存调度，实现了GNN推理能效比达到传统GPU方案的10倍以上。
一、图神经网络的计算模式分析
1.1 GNN推理的计算特征
GNN的推理过程主要包含两个阶段：消息传递——每个节点从邻居节点收集特征信息，通过聚合函数（如求和、平均或最大值）生成聚合特征；特征变换——对聚合特征应用线性变换（权重矩阵乘法）和非线性激活函数，生成更新后的节点特征。这两个阶段交替执行，形成多个GNN层。
从计算模式角度看，GNN推理呈现以下特征：计算稀疏性——图的邻接矩阵通常是稀疏的，尤其在社交网络等大规模图中，每节点的平均邻居数远小于节点总数，导致矩阵乘法的计算密度很低。数据依赖性——节点特征聚合需要访问所有邻居节点的特征，这种依赖关系由图的拓扑结构决定，呈现不规则的内存访问模式。特征维度多样性——不同GNN层的输入特征维度可能不同，要求计算硬件支持灵活的矩阵维度配置。
部分文件列表
| 文件名 | 大小 |
| 面向存算一体芯片的模拟计算阵列中存算一体芯片的图神经网络推理加速架构设计.docx | 39K |
最新上传
- 打赏
- 30日榜单
-
tangyu1 打赏1.00元 3小时前
-
jjjjkkkkk 打赏1.00元 1天前
-
emlimei 打赏1.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏3.00元 3天前
资料：低频功率放大器的设计.
-
21ic小能手 打赏3.00元 3天前
-
21ic小能手 打赏3.00元 3天前
-
21ic小能手 打赏3.00元 3天前
-
21ic小能手 打赏3.00元 3天前
-
21ic小能手 打赏5.00元 3天前
资料：51单片机数字频率计
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
13573902396 打赏1.00元 3天前
-
21下载积分 打赏310.00元 3天前
用户：江岚
-
21下载积分 打赏310.00元 3天前
用户：潇潇江南
-
21下载积分 打赏60.00元 3天前
用户：他山之石可攻玉
-
21下载积分 打赏310.00元 3天前
用户：小猫做电路
-
21下载积分 打赏210.00元 3天前
用户：zhengdai
-
21下载积分 打赏210.00元 3天前
用户：w993263495
-
21下载积分 打赏10.00元 3天前
用户：烟雨
-
21下载积分 打赏60.00元 3天前
用户：gsy幸运
-
21下载积分 打赏70.00元 3天前
用户：铁蛋锅
-
21下载积分 打赏65.00元 3天前
用户：xzxbybd
-
21下载积分 打赏60.00元 3天前
用户：jh0355
-
21下载积分 打赏60.00元 3天前
用户：w178191520
-
21下载积分 打赏20.00元 3天前
用户：jh03551
-
21下载积分 打赏20.00元 3天前
用户：sun2152
-
21下载积分 打赏20.00元 3天前
用户：kk1957135547
-
21下载积分 打赏25.00元 3天前
用户：w1966891335
-
21下载积分 打赏20.00元 3天前
用户：xuzhen1
-
21下载积分 打赏15.00元 3天前
用户：x15580286248
-
21下载积分 打赏25.00元 3天前
用户：pcb
-
21下载积分 打赏20.00元 3天前
用户：bhacker
-
21下载积分 打赏15.00元 3天前
用户：liqiang9090
-
21下载积分 打赏25.00元 3天前
用户：有理想666
-
21下载积分 打赏15.00元 3天前
用户：godbox
-
21下载积分 打赏15.00元 3天前
用户：aetek
-
21下载积分 打赏5.00元 3天前
用户：mulanhk
-
21下载积分 打赏5.00元 3天前
用户：JuneLin61
全部评论(0)