2-D PE 어레이를 활용한 저전력 DCNN 가속기

Abstract

본 학위 논문에서는 2-D Processing Element (PE) 어레이에서 컨볼루션 연산을 수행하는 새로운 방법을 제안한다. 2-D PE 어레이를 사용하여 컨볼루션 연산을 매핑하는 기존 방법[1]은 유연성이 부족하고 PE의 활용도가 낮다. 그러나 2-D PE 어레이에서 1-D PE 어레이로 컨볼루션 연산을 매핑함으로써 제안하는 방법은 활성 PE의 수와 활용도를 증가시킬 수 있다. 결과적으로, 제안하는 Deep Convolutional Neural Network (DCNN) 가속기의 throughput을 크게 증가시킬 수 있다. 또한 PE들 간 weights 전송을 위한 전력 소비를 절약할 수 있다. 시뮬레이션 결과를 기반으로, 제안하는 방법의 성능은 기존 방법[1]과 비교하여 (weights size) x (output data size) 2-D PE 어레이를 가지는 DCNN 가속기를 사용하여 AlexNet, VGG16, 그리고 ResNet50의 컨볼루션 레이어에서 각각 약 4.55%, 13.7%, 그리고 2.27%의 throughput gain을 제공한다. 또한 제안하는 방법은 약 63.21%, 52.46%, 그리고 39.23%의 power saving을 제공한다.