研究目的
介绍Minitaur——一款专为低功耗、高性能设计的事件驱动型神经网络加速器,可集成至现有机器人系统或从CPU卸载计算密集型神经网络任务。
研究成果
Minitaur是一款基于FPGA的事件驱动型脉冲神经网络加速器,在仅消耗1.5瓦功耗的情况下实现了每秒1873万脉冲计数(PSCs),适用于嵌入式机器人应用。该系统在MNIST手写数字分类任务中达到92%的准确率,在20类新闻组分类数据集上实现71%的准确率。该系统具有抗噪特性,并允许在准确性与延迟之间进行权衡调节。
研究不足
当前设计的基准测试显示,USB到USB的延迟为236微秒,主要由操作系统的USB读写延迟所主导。系统性能受限于内存带宽和权重表示的精度。
1:实验设计与方法选择:
设计思路聚焦于采用FPGA技术的事件驱动神经网络加速器。理论模型包括脉冲神经网络和深度置信网络。
2:样本选择与数据来源:
测试使用了MNIST手写数字数据集和20个新闻组分类数据集。
3:实验设备与材料清单:
系统部署在搭载Xilinx Spartan-6 LX150 FPGA的ZTEX USB 1.15开发板上。
4:15开发板上。
实验流程与操作步骤:
4. 实验流程与操作步骤:系统通过USB处理脉冲(事件),按时间戳和层级排序,并根据输入脉冲更新神经元状态。
5:数据分析方法:
性能指标包括每秒突触后电流及MNIST与新闻组数据集的分类准确率。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容