BriefGPT - AI 论文速递
·
SAFFIRA: 用于评估基于 Systolic-Array 的 DNN 加速器可靠性的框架
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种基于误差模拟引擎的可靠性分析框架，通过验证误差模型，定义卷积神经网络操作器输出的损坏模式，并在故障注入和错误模拟之间架起了桥梁，实现了结合两者优势的目的。实验结果表明，该方法在故障效应的函数错误模拟方面准确度约为99％，速度提升范围为44x至63x。
🎯
关键要点
- 提出了一种基于误差模拟引擎的可靠性分析框架。
- 利用经过验证的误差模型定义卷积神经网络操作器输出的损坏模式。
- 在故障注入和错误模拟之间架起了桥梁，结合两者优势。
- 实验结果显示，该方法在故障效应的函数错误模拟方面准确度约为99%。
- 与SASSIFI相比，该方法在速度提升方面实现了44x至63x的范围。
➡️
