安全关键任务被广泛部署在神经网络加速器平台上，其在带来性能提升的同时也更易受软错误影响，会导致严重的功能失效，传统基于冗余的容错技术开销过大。本文根据神经网络本身的错误弹性和层内过滤器相似性提出了一种近似容错设计，把过滤器划分成不同校验组进行不精确校验，保证严重错误被检出并恢复。通过优化过滤器-计算单元映射使校验流程与脉动阵列数据流契合，相较于传统双模冗余，本文提出的容错设计可以降低73.39%的性能开销。
科研之友
微信
新浪微博
Facebook
分享链接
