Diseño de Memorias On-Chip para Aceleradores CNN Alimentados a Baja Tensión
Authors/Creators
- 1. Universidad de Zaragoza
- 2. Politecnico di Milano
Description
Reducir agresivamente la tensión de alimentación (Vdd) por debajo de la tensión mínima de operación (Vmin) es una solución eficaz para conseguir un ahorro de energía sustancial. Desafortunadamente, operar a tensiones tan bajas supone un reto debido al elevado número de fallos permanentes como resultado de las variaciones en el proceso de fabricación de los nodos tecnológicos actuales. Este trabajo caracteriza el impacto de los fallos permanentes en la precisión de un acelerador para la inferencia de redes neuronales convolucionales (CNN) con memorias de activaciones on-chip alimentadas con una Vdd por debajo de Vmin. Basándose en estas observaciones, este artículo propone un par de técnicas microarquitectónicas de bajo coste basadas en volteo y redirección de contenidos, las cuales son transparentes al programador y no dependen de las características específicas de cada red neuronal, con el objetivo de garantizar la precisión del acelerador a pesar de la presencia de fallos como consecuencia de trabajar con Vdd < Vmin. Los resultados experimentales muestran que las técnicas propuestas mantienen la precisión original durante la inferencia de la red CNN con un impacto mínimo en el rendimiento (menos de un 0,05%) y reducen el consumo de energía en un 11,2% y un 46,7% con respecto a un acelerador convencional operando con tensiones de alimentación Vmin y nominal, respectivamente.