參賽序號：30
海報主題
用於邊緣運算的神經網路加速器
系級
資訊系
指導老師及參賽學生
指導老師：林英超
參賽學生：何明堡
構想說明
鑑於訓練神經網路所需運算資源相當巨大，使其於邊緣運算環境難以運行；因此本研究針對神經網路之全連接層部分，採權重量化及優化硬體設計方式，減少運算資源和儲存空間需求。對比於一般的線性量化，採用2的冪次量化（PoT quantization），使權重以2的冪次數呈現。以此達成權重壓縮的效果以及降低記憶體讀取次數之餘，在脈動陣列內各運算單元設計得以位元位移取代乘法器，三方面改善硬體功耗、面積以及記憶體耗量；同時，由於採量化訓練方式得使神經網路的訓練準確度不至於犧牲過多；最後再以U18製程進行電路的合成、繞線以呈現原始及改進後成果比較。
-
分享：
112年活動報名中