مجله مهندسی برق و الکترونیک ایران - جلد 22 شماره 2
برگشت به فهرست مقالات |
برگشت به فهرست نسخه ها
دانشگاه تهران
چکیده: (151 مشاهده)
شبکه های عصبی مصنوعی زیرمجموعهای از یادگیری ماشین هستند که الهام گرفته از شبکههای عصبی زیستیِ مغز انسان هستند و قابلیت یادگیری دارند. این شبکهها در حیطههای مختلف از جمله پردازش زبان طبیعی، تشخیص الگو، پردازش تصویر، بینایی ماشین و بسیاری از زمینههای دیگر کاربرد دارند. شبکههای عصبی CNN نمونهای از این شبکهها هستند که ساختار لایه به لایه دارند و عملیات اصلی آنها کانولوشن است. از آنجایی که حجم محسابات وهمچنین داده درحال جریان در این شبکهها زیاد است، نیاز به پهنای باند و انتقالات به حافظه بیشتر میشود. تحقیقات نشان داده است که انرژی مصرفی حافظه خارجی 200 برابر و زمان دسترسی به آن 10 برابر حافظه داخلی است، که همین امر باعث افزایش انرژی مصرفی و عدم تعادل در توپولوژی مسیر داده میشود.
یکی از راهکارهای اصلی برای کاهش انرژی مصرفی، افزایش استفاده مجدد از داده و کاهش تعداد دسترسیهای حافظه خارجی است. اگر از پارامتر شبکه استفاده حداکثری شود، باعث کاهش در تعداد حرکتهای داده و دسترسیها به حافظه می شود. یکی از روش های استفاده مجدد از داده، زمانبندی سطح حلقه و اعمال تکنیکهای کاشیبندی است. در این مقاله رابطه بین تعداد دسترسیهای حافظه خارجی را در صورت استفاده از تکنیک کاشی بندی، به صورت ریاضی مدل کردیم. این مدل به صورت فرمول ریاضی است که میتواند تعداد دقیق دسترسیهای DRAM را بر اساس پارامترهای شبکه و اندازه کاشی مدل کند. سپس از این مدل ریاضی برای یافتن پارامترهای بهینه در مساله بهینه سازی با هدف کم کردن دسترسیهای حافظه خارجی، استفاده کردیم.
یکی از راهکارهای اصلی برای کاهش انرژی مصرفی، افزایش استفاده مجدد از داده و کاهش تعداد دسترسیهای حافظه خارجی است. اگر از پارامتر شبکه استفاده حداکثری شود، باعث کاهش در تعداد حرکتهای داده و دسترسیها به حافظه می شود. یکی از روش های استفاده مجدد از داده، زمانبندی سطح حلقه و اعمال تکنیکهای کاشیبندی است. در این مقاله رابطه بین تعداد دسترسیهای حافظه خارجی را در صورت استفاده از تکنیک کاشی بندی، به صورت ریاضی مدل کردیم. این مدل به صورت فرمول ریاضی است که میتواند تعداد دقیق دسترسیهای DRAM را بر اساس پارامترهای شبکه و اندازه کاشی مدل کند. سپس از این مدل ریاضی برای یافتن پارامترهای بهینه در مساله بهینه سازی با هدف کم کردن دسترسیهای حافظه خارجی، استفاده کردیم.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License (CC BY NC 4.0) قابل بازنشر است. |
