基于重计算的深度学习加速器容错设计

作者：王乾龙; 许达文

来源：合肥工业大学学报(自然科学版), 2023, 46(01): 54-59.

DOI：10.3969/j.issn.1003-5060.2023.01.009

• 重计算结构(RCA)
• 深度学习加速器(DLA)
• 容错
• 重计算

2D计算阵列由于高并行性且通信简单，在深度学习加速器(deep learning accelerator, DLA)中经常负责处理卷积的大量计算，若出现硬件故障，则会导致计算错误，从而造成预测精度大幅下降。为了修复2D计算阵列中的故障，文章提出一种用于容错DLA的重计算结构(recomputing architecture, RCA),与传统的在阵列中添加冗余的即时故障修复策略不同，它具有一组基于冗余的重计算单元(recomputing unit, RCU),可以在稍后的周期中一对一地进行故障单元的重新计算。实验结果表明，与之前的容错方案相比，该文提出的方法显示出更高的故障修复能力和可扩展性，并且芯片面积占用更少。

• 单位
  合肥工业大学