M2M 2-DFU：面向自适应与高效数据处理的多模式数据流架构

《ACM Transactions on Computer Systems》：M2M 2 -DFU: Multi-Mode Dataflow Architecture for Adaptive and High-Efficiency Data Processing

　　

摘要AI 摘要

要查看此AI生成的摘要，您必须拥有高级访问权限。

了解更多登录

摘要

摘要

摩尔定律和登纳德缩放效应的即将终结，促使产业界和学术界从通用处理器（如 CPU 和 GPGPU）转向专用解决方案。然而，边缘计算多样化的硬件需求，使现有的专用架构难以适应快速演进的算法，往往在牺牲通用性的情况下优先考虑效率。我们的方法利用软件定义数据流机制的固有优势，并将可重构 SIMD 集成到架构中，以在边缘计算硬件中实现高效性和灵活性，超越 ASIC 架构。在本研究中，我们提出了 M${}^2$-DFU（Multi-Mode Dataflow Unit，多模式数据流单元），这是一种灵活、高效且具有可配置多种执行模式的架构。首先，我们确定了各种边缘应用的通用和特定需求，包括卷积神经网络（CNN）、数字信号处理（DSP）和典型的科学计算。其次，我们设计了一种具有跨多种模式高可配置性的灵活架构。实现了高效且可重构的微架构优化，以实现多级并行并确保高硬件利用率。与 NVIDIA GPU 相比，M${}^2$-DFU 在典型边缘计算应用中的能效平均提升高达 6.8$\times$倍。

AI 摘要

AI 生成的摘要（实验性）

此摘要由自动化工具生成，未经论文作者撰写或审核。其目的是支持发现、帮助读者评估相关性，并协助来自相邻研究领域的读者理解该工作。它旨在补充作者提供的摘要，后者仍是论文的主要摘要。完整文章仍是权威版本。 点击此处了解更多。

点击 此处 对此摘要的准确性、清晰度和实用性进行评论。这样做将有助于改进和未来的再生成版本。

要查看此AI生成的通俗摘要，您必须拥有高级访问权限。