C-CIM：一种支持多模式卷积操作的SRAM-CIM

《ACM Transactions on Design Automation of Electronic Systems》：C-CIM: A Multi-Mode Convolution-Capable SRAM-CIM

针对数字SRAM-CIM仅支持weight-stationary流的问题，本文提出C-CIM架构，支持输入静止与权重静止双流切换，兼容1×1、3×3、5×5、7×7多种主流卷积核，实验验证其性能提升7.6倍，能效比达27.31TOPS/W@8b，激活迁移减少86.84%。

　　

摘要

由于其相对成熟的技术以及与互补金属氧化物半导体（CMOS）逻辑工艺的良好兼容性，SRAM被广泛用于计算内存（CIM）神经网络加速器中。数字SRAM-CIM因其稳定性和准确性而受到研究人员的青睐。然而，当前的数字SRAM-CIM宏架构仅支持权重固定型数据流，这意味着图数据需要反复移动。某些特殊的深度神经网络层（如深度方向层）会导致CIM内部计算资源的利用率降低。

为了解决这些问题，我们提出了C-CIM架构，该架构能够在输入固定型数据和权重固定型数据流之间切换，并支持矩阵乘法以及多种主流卷积核尺寸（1×1、3×3、5×5和7×7）下的卷积运算。在1GHz的频率下，C-CIM的平均性能达到了27.31 TOPS/W。实验结果表明，与基线方案相比，我们的SRAM-CIM在性能优化方面表现出色，实现了高达7.6倍的性能提升，并将激活函数重定位的操作时间减少了86.84%。