QingLong:一种基于常变量异步拷贝的神经网络编程模型

• 作 者: 杜伟健 陈云霁 支天 吴林阳 陈小兵 庄毅敏
• 机 构: 中国科学院计算技术研究所计算机体系结构国家重点实验室,中国科学院大学,上海寒武纪信息科技有限公司,张江实验室脑与智能科技研究院,上海脑科学与类脑研究中心,中国科学院脑科学与智能技术卓越创新中心,中科寒
• 出 处: 计算机学报
• 发表日期: 2020年4期
• 关键词: 神经网络 编程模型 常量和变量 异步拷贝 软件开发工具 neural networkprogramming modelconstant and variable
• 基金项目: 国家重点研发计划(2017YFA0700900,2017YFA0700902,2017YFA0700901,2017YFB1003101,2018AAA0103300),国家自然科学基金(61432016,61532016,61672491,61602441,61602446,61732002,61702478,61732007,61732020),北京市自然科学基金(JQ18013)“核心电子器

近年来,人工神经网络的研究取得了巨大成就,在图像识别、自然语言处理等领域均有突破性的成果,同时产生了众多商业应用,方便了我们的生活,比如语音助手、辅助驾驶等.由于神经网络算法属于计算密集型和访存密集型的负载,传统CPU处理器已不能满足其大规模商业化应用的需求,因此学术界和产业界试图在GPU、FPGA和ASIC上寻求突破.其中,神经网络加速器作为一种ASIC,它提供了高性能、低功耗的硬件解决方案,相关研究也越来越多.神经网络加速器作为一种协处理器,在其计算前后需要将数据在主机与设备之间进行搬运.特别是对吞吐