인나 매핑 기술 v1.0

inna1.0은 FPGA 기반 CNN 적응형 매핑 기술입니다.

딥러닝 가속기는 FPGA 보드를 기반으로 설계 및 최적화되었으며, 매핑 기술은 매크로 명령의 Look-Aside Acceleration 프레임워크를 사용하여 전체 성능 및 전력 소비 측면에서 업계 최고의 수준에 도달할 것으로 예상됩니다. 클릭 신속한 배포, 소프트웨어 및 하드웨어 협업 최적화, 다양한 컨볼루션 지원, 실행 프로세스에 호스트 개입이 필요하지 않습니다.

이 프로젝트는 매핑 기술의 소프트웨어 측면으로, CNN 매핑 컴파일러와 CNN 양자화기를 구현할 계획입니다. 먼저 TensorFlow에서 생성된 모델 파일을 구문 분석하여 CNN 계산 그래프 모델을 생성합니다. 그래프와 기존 CNN Acceleration 라이브러리 단위를 선택하고 해당 CNN 라이브러리 단위를 선택하고 해당 하드웨어 구조와 해당 최적의 컴퓨팅 성능을 달성하기 위해 계산, 온칩 저장, 온칩 대역폭 및 오프칩 대역폭 간의 균형을 달성하기 위한 스케줄러의 구성 매개변수는 CNN 양자화기를 기반으로 각 데이터 계층에서 8비트 고정 소수점 양자화를 수행할 수 있습니다. FPGA의 DSP 계산을 용이하게 하기 위해 모델의 가중치 파일에 저장하여 저장 오버헤드를 줄이고 처리 속도를 향상시키며 전력 소비를 줄이면서 정확도를 보장합니다.