推荐星级：
- 1
- 2
- 3
- 4
- 5
FPDeep：FPGA集群上CNN培训的加速和负载均衡
资料介绍
基于FPGA的CNN加速器在灵活性和功率效率方面具有优势，因此正在由许多云计算服务提供商部署，包括微软，亚马逊，腾讯和阿里巴巴。然而，鉴于神经网络的复杂性日益增加，将CNN有效映射到多FPGA平台变得越来越具有挑战性。在这项工作中，我们提出了一个可扩展的框架FPDeep，它可以帮助工程师将特定的CNN训练逻辑映射到多FPGA集群或云，并为目标网络构建RTL实现。借助FPDeep，多FPGA加速器可以使用简单的1-D拓扑以深度流水线方式工作;这使得ccelerators能够直接映射到许多现有平台，包括Catapult，Catapult2和几乎任何紧密耦合的FPGA集群。 FPDeep使用两种机制来促进高性能和高能效。首先，FPDeep提供了一种平衡FPGA间工作负载的策略，从而提高了利用率。其次，CNN的训练以细粒度的层间和层内流水线方式执行，最小化了在等待反向传播时功能需要保持可用的时间。这将存储需求减少到卷积层仅需要片上存储器的情况。实验表明，FPDeep具有良好的可扩展性，适用于大量FPGA，其限制因素是FPGA到FPGA的带宽。 FPDeep每个FPGA使用六个收发器，可显示多达60个FPGA的线性度。我们评估GOPs / J的能效，发现FPDeep的能效比特斯拉K80 GPU提高了3.4倍。
部分文件列表
| 文件名 | 大小 |
| FCCM18a.pdf | 1006K |
全部评论(0)