计算机科学与探索

作者：郁龚健, 张鲁飞, 李佩琦, 华夏, 刘家航, 柴志雷, 陈闻杰

单位：1. 江南大学 人工智能与计算机学院，江苏 无锡 2141222. 数学工程与先进计算国家重点实验室，江苏 无锡 2142153. 华东师范大学 软硬件协同设计技术与应用教育部工程研究中心，上海 200062

关键词：脉冲神经网络（SNN）,工作负载映射,PYNQ集群,现场可编程逻辑门阵列（FPGA）加速,NEST仿真器

为了满足大规模脉冲神经网络（SNN）的计算需求，类脑计算系统通常需要采用大规模并行计算平台。因此，如何快速为SNN工作负载确定合理的计算节点数（即如何把工作负载合理映射到计算平台上）以获得最佳的性能、功耗等指标就成为类脑计算系统需解决的关键问题之一。首先分析了SNN工作负载特性并为其建立起计算模型；然后针对NEST类脑仿真器，进一步实例化了SNN的内存、计算和通信负载模型；最终设计并实现了一种基于NEST的SNN工作负载自动映射器（SWAM）。SWAM可以自动计算出映射结果并完成映射，避免了极其耗时的工作负载映射手动试探过程。在ARM+FPGA、纯ARM、PC集群三种不同的计算平台上运行SNN典型应用，并比较SWAM、LM算法拟合和实测的映射结果。实验结果表明：SWAM的平均映射准确率达到98.833%，与LM方法与实测映射相比，SWAM具有绝对的时间代价优势。

来源：2021年第9期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2021年第9期