BriefGPT - AI 论文速递
·
对 Arm Ethos-U55 嵌入式机器学习加速器软错误容忍性的表征
💡
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，通过利用验证的误差模型，定义卷积神经网络操作器输出的损坏模式，并实现了故障注入和错误模拟的结合。实验结果表明，该方法在函数错误模拟和速度提升方面具有较高的准确度和效率。
🎯
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。
- 实现了故障注入和错误模拟的结合。
- 实验结果显示，该方法在函数错误模拟方面的准确度约为99%。
- 与TensorFI相比，该方法在速度提升方面实现了44x至63x的范围。
➡️
