推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

脉动阵列架构-核心原理与应用.docx

更新时间:2026-08-22 23:24:45 大小:17K 上传用户:江岚查看TA发布的资源 标签:脉动阵列并行计算PE处理单元矩阵乘法数据流水线 下载积分:2分 评价赚积分 (如何评价?) 打赏 收藏 评论(0) 举报

资料介绍

脉动阵列架构

一、脉动阵列架构的基本概念

脉动阵列(Systolic Array)是一种专用并行计算架构,其核心设计思想来源于人体血液循环的脉动规律——数据像脉搏一样,按照固定的节拍,在阵列单元之间依次传递、处理,最终输出计算结果。与传统通用处理器随机访问内存、指令驱动的计算模式不同,脉动阵列通过数据的流水线化流动,最大化计算单元的利用率,同时减少了对外部内存的访问次数,因此在高并行度的计算任务中拥有极高的计算效率和能效比。

脉动阵列的基本组成单元是处理单元(PE, Processing Element,大量PE按照规则的网格拓扑结构排列,每个PE只和相邻的上下左右PE直接连接,计算过程中,输入数据从阵列的边界输入,每经过一个时钟周期,数据就向前移动一个PE位置,每个PE在每个时钟周期完成一次固定的计算(通常是乘累加操作),最终计算结果从阵列的边界输出。

二、脉动阵列架构的发展历史

脉动阵列架构的概念最早在1978年由卡耐基梅隆大学的H. T. KungCharles E. Leiserson提出,最初用于解决矩阵乘法、卷积运算等线性代数计算问题。但由于当时半导体工艺水平有限,无法集成足够多的PE单元,同时主流计算任务以通用计算为主,脉动阵列的专用性优势没有得到发挥,因此在提出后的三十多年里,脉动阵列并没有成为主流计算架构,更多停留在学术研究阶段。

2016年之后,人工智能特别是深度学习的爆发改变了这一局面。深度学习中核心的运算就是矩阵乘法和卷积运算,这类运算具有高并行度、计算模式固定、访存模式规则的特点,刚好完美匹配脉动阵列的架构特性。2017年,谷歌发布了第二代TPUTensor Processing Unit),首次大规模采用脉动阵列架构来加速深度学习推理,取得了远高于同期GPU的能效比,自此脉动阵列正式进入大众视野,成为AI加速器设计中最主流的架构之一。此后,寒武纪、地平线、华为昇腾等国内外AI芯片厂商都在自家产品中采用了脉动阵列架构来加速矩阵运算。


部分文件列表

文件名 大小
脉动阵列架构-核心原理与应用.docx 17K

全部评论(0)

暂无评论

上传资源 上传优质资源有赏金

  • 打赏
  • 30日榜单
  • 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

  • 21下载积分 打赏5.00元   3天前

    用户:ccc6188

  • 21下载积分 打赏5.00元   3天前

    用户:木集盒

推荐下载