Reconfigurable cnn accelerator design using dataflow analysis
Veri akışı analizi kullanarak yeniden yapılandırılabilir CNN hızlandırıcı tasarımı
- Tez No: 900118
- Danışmanlar: PROF. DR. UĞUR GÜDÜKBAY, PROF. DR. ÖZCAN ÖZTÜRK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mühendislik Bilimleri Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 95
Özet
Veri akışının yeniden yapılandırılabilirliği, evrişim işlemleri için en uygun veri akışı modelini belirleyerek Evrişimsel Sinir Ağı (CNN) hızlandırmasında önemli bir rol oynar. Tamamen yeniden yapılandırılabilir mimariler, birden fazla veri akışı seçeneğini destekleyerek çok yönlülük ve yüksek kaynak kullanımı sağlar, ancak bu durum artan tasarım karmaşıklığı ve işlem yükünü beraberinde getirir. Öte yandan, tek bir veri akışı modeli için optimize edilmiş, yeniden yapılandırılamayan mimariler, belirli görevler için yüksek verimlilik sunar ancak uyarlanabilirlikten yoksundur. Bu tez, esneklik ve verimliliği dengeleyen, çeşitli CNN uygulamalarında uyarlanabilirliği ve performansı artıran, anahtar veri akışı seçeneklerini birleştiren yenilikçi bir ara seviye yeniden yapılandırılabilir veri akışlı CNN hızlandırıcısı sunmaktadır. Ayrıntılı bir analizle, anahtar veri akışları belirlenmiş ve veri akışı seçiminde kullanılmak üzere özel bir mimari birim geliştirilmiştir; bu birim, optimum senaryoya kıyasla sadece ortalama %0.15 gecikme ile çalışmaktadır. Özel tasarlanmış sistolik dizi mimarimiz, çeşitli filtre boyutlarını destekleyerek yeniden yapılandırılabilirliğe ek bir katman eklemektedir. Mimarimiz, tamamen yeniden yapılandırılabilir tasarımlara kıyasla %39 daha az alan ve %35 daha az güç gerektirmektedir. Ayrıca, yeniden yapılandırılamayan mimarilere kıyasla ortalama %33 daha iyi performans sağlamaktadır. Verimlilik açısından, tamamen yeniden yapılandırılabilir tasarımlara göre %7'lik bir artış sağlamakta ve yeniden yapılandırılamayan seçenekleri 3.57 kata kadar daha yüksek verimlilikle geride bırakmaktadır.
Özet (Çeviri)
Dataflow reconfigurability plays a crucial role in Convolutional Neural Network (CNN) acceleration by determining the optimal dataflow pattern for convolution operations. Fully reconfigurable architectures provide versatility and high resource utilization by supporting multiple dataflow options, but this comes with increased design complexity and operational overhead. On the other hand, non-reconfigurable architectures, optimized for a single dataflow pattern, deliver high efficiency for specific tasks but lack adaptability. This thesis introduces a novel intermediate dataflow reconfigurable CNN accelerator that balances flexibility and efficiency by integrating key dataflow patterns, enhancing adaptability and performance across diverse CNN applications. Through a detailed analysis, key dataflows are identified, and a unique architectural unit is developed for dataflow selection, with an average of 0.15% excess latency compared to the optimal scenario. Our specialized systolic array architecture accommodates various kernel sizes, providing an additional layer of reconfigurability. Our architecture requires 39% less area and 35% less power than fully reconfigurable designs. Additionally, it delivers an average of 33% better performance compared to non-reconfigurable architectures. In terms of efficiency, it provides a 7% increase over fully reconfigurable designs and outperforms non-reconfigurable options by up to 3.57X.
Benzer Tezler
- Coverage optimization for 6G using reconfigurable intelligent surfaces
Yeniden yapılandırılabilir akıllı yüzeyler kullanarak 6G için kapsam optimizasyonu
SAMED KEŞİR
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ EMRE PUSANE
- Embedded vision system designed on a heterogeneous computing platform and applied to semen analysis
Heterojen hesaplama platformu üzerinde tasarlanan gömülü görüntü sistemi ve semen analizi uygulanması
OSMAN LEVENT ŞAVKAY
Doktora
İngilizce
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MÜŞTAK ERHAN YALÇIN
- Array processing and optimization techniques of beamforming and resource allocation for enhanced spectral efficiency in 5g and beyond systems
5g ve ötesı sıstemlerının hüzmeleme ve spektral verımlılığının vektör íşleme ve optımızasyon ıle gerçekleştırılmesı
NANN WIN MOE THET NANN WIN MOE THET
Doktora
İngilizce
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Medipol ÜniversitesiElektrik-Elektronik Mühendisliği ve Siber Sistemler Ana Bilim Dalı
Assoc. Prof. Dr. MEHMET KEMAL ÖZDEMİR
- Active reconfigurable intelligent surface architectures for future wireless networks
Gelecek kablosuz ağları için aktif yeniden yapılandırılabilir akıllı yüzey mimarileri
RECEP AKİF TAŞÇI
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiKoç ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERTUĞRUL BAŞAR
- Reconfigurable ultra-thin acoustic metasurfacefor tunable yet perfect low-frequencyabsorption 同济大
Başlık çevirisi yok
İBRAHİM CANER BAYDUR