La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

A ReRAM-Based Row-Column-Oriented Memory Architecture for Convolutional Neural Networks Une architecture de mémoire orientée ligne-colonne basée sur ReRAM pour les réseaux de neurones convolutifs

Yan CHEN, Jing ZHANG, Yuebing XU, Yingjie ZHANG, Renyuan ZHANG, Yasuhiko NAKASHIMA

  • Vues en texte intégral

    0

  • Citer

Résumé:

Une structure efficace de mémoire vive résistive (ReRAM) est développée pour accélérer le réseau neuronal convolutif (CNN) alimenté par le calcul en mémoire. Un nouveau circuit de cellules ReRAM est conçu avec une accessibilité bidirectionnelle (2D). L'ensemble du système de mémoire est organisé sous la forme d'un tableau 2D, dans lequel des cellules de mémoire spécifiques peuvent être consultées de manière identique par localisation de colonne et de ligne. Pour les calculs en mémoire des CNN, seules les cellules pertinentes d'un sous-réseau identique sont accessibles par des opérations de lecture 2D, ce qui est difficilement implémenté par les cellules ReRAM conventionnelles. De cette manière, l'accès redondant (colonne ou ligne) des structures ReRAM conventionnelles est évité afin d'éliminer les mouvements de données inutiles lorsque les CNN sont traités en mémoire. D'après les résultats de la simulation, l'efficacité énergétique et la bande passante de la structure de mémoire proposée sont respectivement 1.4x et 5x par rapport à une architecture ReRAM de pointe.

Publication
IEICE TRANSACTIONS on Electronics Vol.E102-C No.7 pp.580-584
Date de publication
2019/07/01
Publicisé
ISSN en ligne
1745-1353
DOI
10.1587/transele.2018CTS0001
Type de manuscrit
BRIEF PAPER
Catégories

Auteurs

Yan CHEN
  Hunan University,Nara Institute of Science and Technology
Jing ZHANG
  Hunan University
Yuebing XU
  Hunan University
Yingjie ZHANG
  Hunan University
Renyuan ZHANG
  Nara Institute of Science and Technology
Yasuhiko NAKASHIMA
  Nara Institute of Science and Technology

Mots-clés

Table des matières