NxTF：基于Intel Loihi的深度脉冲神经网络的API和编译器
摘要：对于高效的时空稀疏数据流的事件驱动处理，尖峰神经网络（SNNs）是一种有希望的范式。SNNs在设计上启发了并且可以利用新兴的类神经形态处理器（如英特尔Loihi）。这些新颖的硬件架构暴露了影响固件、编译器和算法开发的各种约束。为了在Loihi上实现对SNN算法的快速灵活开发，我们开发了NxTF：一种从Keras派生的编程接口和为将深度卷积SNNs映射到多核英特尔Loihi架构进行优化的编译器。我们在直接训练尖峰的DNNs以及从传统DNNs转换的模型上评估了NxTF，处理了稀疏事件驱动和密集帧驱动的数据集。此外，我们评估了编译器在将模型分布到大量核心上以及通过利用Loihi的权重共享功能对模型进行压缩时的有效性。最后，我们将与其他架构相比评估模型的准确性、能量消耗和解决方案时间。对于输入尺寸为128x128的28层、4M参数MobileNet模型，编译器在16个Loihi芯片上实现了80%的资源利用率。此外，我们使用现成的MobileNet在神经形态硬件上报告了CIFAR-10数据集的最低错误率为8.52%。
作者：Bodo Rueckauer, Connor Bybee, Ralf Goettsche, Yashwardhan Singh, Joyesh Mishra, Andreas Wild
论文ID：2101.04261
分类：Emerging Technologies
分类简称：cs.ET
提交时间：2021-01-13