基于并行块的自适应量化随机计算OA北大核心CSTPCD
Parallel block-based stochastic computing with adapted quantization
深度神经网络模型的庞大存储和高计算量的需求限制了其在面积和功耗受限的嵌入式设备上的部署.为了解决这一问题,随机计算将数据表示为一个随机序列,继而通过基本逻辑运算单元实现加法和乘法等算术运算,以减小神经网络的存储空间和降低计算复杂度.然而,当随机序列的长度较短时,网络权重在从浮点数转换到随机序列的过程中存在离散化误差,这会降低随机计算网络模型的推理准确率.尽管使用更长的随机序列可以扩大随机序列的表示范围以缓解这一问题,但也会导致更长的计算时延和更大…查看全部>>
The demands of deep neural network models for computation and storage make them unsuitable for deployment on embedded devices with limited area and power.To solve this issue,stochastic computing reduces the storage and computational complexity of neural networks by representing data as a stochastic sequence,followed by arithmetic operations such as addition and multiplication through basic logic operation units.However,short stochastic sequences may cause di…查看全部>>
张永卓;诸葛晴凤;沙行勉;宋玉红
华东师范大学计算机科学与技术学院,上海 200062华东师范大学计算机科学与技术学院,上海 200062华东师范大学计算机科学与技术学院,上海 200062华东师范大学计算机科学与技术学院,上海 200062
计算机与自动化
随机计算量化神经网络优化
stochastic computingquantizationneural network optimization
《华东师范大学学报（自然科学版）》 2024 (2)
面向高效能智能计算的异构嵌入式流水线设计与系统优化
76-85,10
国家自然科学基金(61972154)上海市科委项目(20511101600)
评论