斯坦福大学:边缘机器学习DNN加速器SoC设计使用弹射器HLS |网络研讨会
斯坦福大学电气工程博士生Kartik Prabhu介绍了他们的项目和使用经验高级合成(HLS)。
HLS通过支持非常高的设计和验证效率，提供了从规范到物理设计就绪RTL的快速路径。HLS处理一些较低级别的实现细节，包括调度和流水线，这允许设计人员在更重要的架构细节的更高抽象级别上工作。c++级别的设计允许快速迭代，这要归功于更快的模拟和更容易的调试，以及快速探索不同架构的能力。HLS是设计深度神经网络(DNN)加速器的完美匹配，因为它能够自动生成通常需要的复杂控制逻辑。这个网络研讨会将描述我们团队制作的基于收缩阵列的DNN加速器的设计和验证，加速器的性能优化，以及将加速器集成到SoC中。我们的加速器达到2.2 TOPS/W，并在60 ms和8.1 mJ内执行ResNet-18推断。
你将学到什么
- HLS在ML加速器设计中的有效应用
- 分析性能和优化
- 将HLS设计集成到SoC中
谁应该观看
- 系统架构师和RTL/HW设计人员对将HLS用于ML加速器感兴趣
