机构名称：
¥ 1.0
高能物理和网络安全等应用需要极高的吞吐量和低潜伏神经网络（NN）推断。基于查找的NNS通过将NN作为查找表（LUTS）实现，在纳米秒的顺序上实现推理潜伏期来解决这些约束。由于LUTS是一个基本的FPGA构建块，因此基于LUT的NNS有效地映射到FPGA。逻辑（及其继任者）构成了一类基于LUT的NNS，该NN靶向FPGA，将神经元直接映射到LUTS，以满足低潜伏期约束，并以最少的资源来满足低潜伏期的约束。但是，很难构建更大的，更具性能的基于LUT的NN（例如Logicnets），因为LUT使用情况相对于Neu-ron fan-In（即突触×突触×突触位宽度）呈指数增长。一个大的基于LUT的NN迅速在FPGA上耗尽了LUT。我们的工作Amigolut通过创建基于较小的LUT的NNS的合奏来解决此问题，从而相对于模型数量线性扩展。Amigolut提高了基于LUT的NNS的可扩展性，达到更高的吞吐量，而LUTS比最大的基于LUT的NNS少了。
使用Amigolut扩展基于LUT的神经网络
主要关键词
相关文件推荐
