obsidian에서 수정하기
Abstract
(서론): 컨볼루션 신경망(CNN)은 데이터플로우 가속기에서 효율적으로 실행될 수 있습니다.
(한계): 그러나 가속기의 계산 및 메모리 자원에서 컨볼루션을 실행하는 광대한 공간은 프로그래머가 컨볼루션을 자동으로 효율적으로 가속화하는 것을 어렵게 하고, 아키텍트가 효율적인 가속기 설계를 달성하는 것을 어렵게 만듭니다.
(방법론): 우리는 dMazeRunner 프레임워크를 제안합니다. 이는 사용자가 주어진 아키텍처에서 컨볼루션과 행렬 곱셈을 가속화하기 위한 실행 방법을 최적화하고, CNN 모델을 효율적으로 실행하기 위한 데이터플로우 가속기 설계를 탐색할 수 있게 해줍니다.
(결론): dMazeRunner는 CNN 레이어에 맞춤화된 효율적인 데이터플로우를 결정하고, 몇 초 안에 CNN 모델의 효율적인 실행 방법을 달성합니다.
Figure
figure 1
figure 2
figure 3
Table
table 1
