机器学习辅助的卷积神经网络推断系统计算机架构设计
原文中文,约200字,阅读约需1分钟。发表于: 。我们的工作通过识别最合适的 GPGPU 用于 CNN 推理系统,提出了一种加快 DSE 过程的方法。我们开发了一种快速而精确的技术来预测 CNN 推理过程中的功耗和性能,MAPE 分别为 5.03%和 5.94%。这种方法使计算机架构师能够在开发初期估计功耗和性能,减少了大量原型的必要性。这不仅节省了时间和金钱,同时也改善了上市时间。
本文介绍了一种通过识别最合适的GPGPU来加快CNN推理系统的DSE过程的方法。作者开发了一种快速而精确的技术来预测CNN推理过程中的功耗和性能,MAPE分别为5.03%和5.94%。这种方法使计算机架构师能够在开发初期估计功耗和性能,减少了大量原型的必要性,节省了时间和金钱,同时也改善了上市时间。