博客

2021-06-03

耐能“可重组式架构技术”获IEEE CAS Darlington论文奖

日前,从IEEE电气与电子工程师协会获悉,耐能题为《A Reconfigurable Streaming Deep Convolutional Neural Network Accelerator for Internet of Things》的论文荣获2021 IEEE CAS Darlington奖。该论文主要研究了针对可重构技术应用于物联网的神经网络模型。


2018年美国DARPA在“”电子复兴计划“”中提出了软件定义硬件概念(Software-defined-hardware),被认为是芯片世界的“远方”。SDH的目标是让数据密集型算法可在运行时重构硬件和软件,以实现接近ASIC的性能而又不牺牲数据密集型算法的可编程性,且避免ASIC的高制造成本、长开发时间或单一应用等缺点或限制。可重构计算系统结合了微处理器的软件灵活性和专用ASIC的高效性,同时又兼顾硬件的高性能性,实现软件和硬件两者的优点。而在SDH可重构技术领域,耐能是行业内领先的实践者。


此外,针对可重构具有动态性的特点,利用可重用的硬件资源,根据不同的应用需求对可重构指令的代码生成进行优化处理,从而获得切合可重构指令集处理器体系结构特性的可执行程序,满足可重构处理器能够适应多变的计算需求,其在性能、功耗、灵活性等芯片的关键指标之间具有更好的平衡。


耐能的可重构技术,可满足不同应用需求并适应各种计算体系架构。通俗一点说:即把芯片比喻成一堆乐高的积木,当需要支持语音AI的模型时即通过指令集进行组合,而当需要支持图像AI模型时,再重新组合,从而可以很好地支持多种神经网络模型,并保持架构的精简性,由此也就同时带来了性能和功耗的优势,进而可以在与级别产品性能相同的情况下,选用更加成熟的工艺制程,降低成本,最终实现高性能、低成本、低功耗、高兼容性的优势。


更深一层,可重构技术的优势更本质的是解决了存储的问题,提升MAC的利用率。可重构技术实现了动态存储DMA,当处理器对存储没有很高的需求时,就预先准备好,当需要使用的时候就直接读取,实现效率的提升。


不仅如此,可重构技术还能动态支持同一个神经网络的不同数据精度需求。最终的产品可以根据客户的需求,可以支持Int8、FP16以及更高的精度。


IEEE创立于1968年,是当前最具有国际影响力的学术组织之一。该奖项是IEEE CAS Society 的最高荣誉。该项技术不仅获得了IEEE Darlington 论文奖,同时,也在美国、台湾、中国大陆等拿到了专利。目前,可重构技术已应用在多个重点领域。





耐能“可重组式架构技术”获IEEE CAS Darlington论文奖 | Kneron - 人工智能无处不在
耐能“可重组式架构技术”获IEEE CAS Darlington论文奖 | Kneron - 人工智能无处不在

分享文章