SWAM:SNN工作负载自动映射器

作者：郁龚健; 张鲁飞; 李佩琦; 华夏; 刘家航; 柴志雷; 陈闻杰

来源：计算机科学与探索, 2021, 15(09): 1641-1657.

DOI：10.3778/j.issn.1673-9418.2010056

• 脉冲神经网络(SNN)
• 工作负载映射
• PYNQ集群
• 现场可编程逻辑门阵列(FPGA)加速
• NEST仿真器

为了满足大规模脉冲神经网络(SNN)的计算需求,类脑计算系统通常需要采用大规模并行计算平台。因此,如何快速为SNN工作负载确定合理的计算节点数(即如何把工作负载合理映射到计算平台上)以获得最佳的性能、功耗等指标就成为类脑计算系统需解决的关键问题之一。首先分析了SNN工作负载特性并为其建立起计算模型;然后针对NEST类脑仿真器,进一步实例化了SNN的内存、计算和通信负载模型;最终设计并实现了一种基于NEST的SNN工作负载自动映射器(SWAM)。SWAM可以自动计算出映射结果并完成映射,避免了极其耗时的工作负载映射手动试探过程。在ARM+FPGA、纯ARM、PC集群三种不同的计算平台上运行SNN典型应用,并比较SWAM、LM算法拟合和实测的映射结果。实验结果表明:SWAM的平均映射准确率达到98.833%,与LM方法与实测映射相比,SWAM具有绝对的时间代价优势。

• 单位
  华东师范大学; 江南大学