关键词:
近似计算
神经网络
近似位宽
低功耗
整体收益
摘要:
近似计算单元以一定的计算误差换取更低功耗,近年来在神经网络加速器中得到应用。本文通过研究不同近似加法器的误差特性、在典型神经网络应用中的结果以及功耗节省情况,对神经网络加速器进行最优近似设计。首先利用MATLAB对近似加法器建立数学模型,分析平均误差距离等误差特性,用HSPICE设计电路进行功耗仿真,为近似加法器在神经网络上的应用提供指导原则。用Python搭建多层感知机和卷积神经网络,设计两层结构的近似加法器算法模型,替换网络中的精确加法器,研究不同误差特性、不同近似位宽的加法器对神经网络各个指标的影响。研究表明,平均误差小的近似加法器对输出质量影响小,且近似位宽存在阈值,超过阈值会导致输出质量骤降,同时近似加法器能大幅降低计算功耗,而通过提出的输出质量—功耗收益可以找到整体收益最高的设计。本文提出的方法能高效系统地为神经网络加速器进行最优的近似设计。