EdgeBoard多并发高性能通用CNN架构剖析

2020-03-27 13:19

3．软核算力的弹性配置

Edgeboard的CNN软核除了公开发布的标准版本外，还可以由用户根据自身模型需求和FPGA芯片选型，进行CNN卷积计算单元算力的定制化配置。配置算力的两个关键指标包括Window维度并行度和Kernel维度并行度，具体含义可参考2．3章节，此处不再赘述。

我们以卷积计算加速单元的核心矩阵乘加运算消耗DSP硬核（Hard core）的个数作为CNN软核核心算力的考察指标。当然，这并不包括卷积前处理、后处理模块，以及其他算子加速单元或者用户自定义功能模块所消耗的DSP数量，因此这并不是整个解决方案在FPGA芯片内部的DSP资源消耗。我们的设计可以支持Window并行度1－8的任意整数，支持Kernel并行度包括4，8，16。具体的卷积双维度配置组合所对应的核心DSP消耗可以参见下表。

目前，EdgeBoard公开版针对卷积计算加速单元Window维度和Kernel维度的并行度配置，以及核心矩阵乘加运算的DSP硬核消耗可参见下表。

EdgeBoard的CNN软核以其灵活的算力搭配组合以及算子可定制化的特点，既可以根据具体模型的算子组合和所占比例，将一定成本和资源条件内的芯片性能发挥到极致，还可以在满足场景所要求性能的前提下减少不必要的功耗支出，此外还允许开发者缩减软核尺寸并将芯片资源应用于自定义功能的IP中，极大地增强了EdgeBoard人工智能多场景覆盖的能力。

<上一页 1 2 3