专栏名称: 机器学习研究会

机器学习研究会是北京大学大数据与机器学习创新中心旗下的学生组织，旨在构建一个机器学习从事者交流的平台。除了及时分享领域资讯外，协会还会举办各种业界巨头/学术神牛讲座、学术大牛沙龙分享会、real data 创新竞赛等活动。

【学习】地平线谭洪贺：AI芯片怎么降功耗？从ISSCC2017说起

机器学习研究会 · 公众号 · AI · 2017-04-20 23:17

正文

点击上方“机器学习研究会”可以订阅哦

摘要

转自：HorizonRobotics

谭洪贺，资深IC工程师。博士毕业于清华大学，多年一直从事于数字集成电路开发工作。从DSP、ASIP到特定加解密算法的ASIC低功耗实现，从音视频编解码的高性能设计到计算机视觉、语音识别的高效能实现，逐步进入AI领域。

现任地平线机器人技术资深IC工程师，深度参与AI算法在芯片端的实现工作。

本文首发于谭洪贺个人知乎，从ISSCC2017的session 14 Deep Learning Processor的几篇文章出发，分析同行们都用了哪些方法来降低DL 加速器和处理器的功耗，提高能效。

本文适用读者：对Deep Learning算法有一定了解的IC工程师，对IC设计和计算机架构有一定了解的算法工程师。

先来一张slide镇镇场，tutorial上Verhelst总结了近几年VLSI和ISSCC会议上发表的一些结果。其中，灰色的图标应该都是ISSCC2017以前的结果。这张图体现了性能、错误率、能效三方面的trade off。

性能上，大家似乎很难超GPU，但是能效上，可以算是秒杀。大家都喜欢拿自己的数据和NVIDIA的GPU比较，然后可以给出很漂亮的对比结果，甩出NVIDIA几条街。

但是大家也不要兴奋，学术界成果给出的数据，总是不能闭着眼睛就接受的。大家都是过来人，都懂的。

1、使用低功耗工艺。涉及14.1，14.5
2、降低数据计算功耗
2.1 降低weight量化位数。涉及14.2
2.2 优化乘法。涉及14.2
2.3 降低计算精度。涉及14.5
2.4 稀疏化。涉及NVIDIA，combricon，leuven
3、降低数据翻转功耗。涉及14.3
4、降低数据存储访问功耗。涉及14.6，14.7
5、存储器上的新花样

原文链接：

https://mp.weixin.qq.com/s/Tvk2QIAAZsiEbcA8Pe-mfQ

“完整内容”请点击【阅读原文】

↓↓↓