Using Libraries of Approximate Circuits in Design of Hardware Accelerators of Deep Neural Networks

Aproximativní obvody byly vyvinuty, aby poskytovaly dobré kompromisy mezi spotřebou energie a kvalitou výpočtu v aplikacích tolerujících chyby, jako jsou hardwarové akcelerátory hlubokých neuronových sítí (DNN). Za účelem urychlení procesu navrhování aproximativních obvodů a možnosti korektního srovnávání aproximačních metod byly vytvořeny knihovny aproximativních obvodů. Například knihovna EvoApprox8b obsahuje stovky 8-bitových aproximativních sčítaček a násobiček. Prostřednictvím genetického programování byla vygenerována nová verze knihovny, do níž jsou zahrnuty tisíce 8- až 128-bitových aproximativních aritmetických obvodů. Tyto obvody tvoří Paretovu frontu vzhledem k několika chybovým metrikám, spotřebě energie a dalším parametrům. V případové studii je ukázáno, jak lze využít velké množství aproximativních násobiček k provedení analýzy odolnosti hardwarového akcelerátoru sítě ResNet a k výběru nejvhodnější aproximativní násobičky pro danou aplikaci. Výsledky jsou prezentovány pro různé varianty sítě ResNet trénované na testovacím setu CIFAR-10.