Temperature-Aware Monolithic 3D DNN Accelerators for Biomedical Applications
Temperature-Aware Monolithic 3D DNN Accelerators for Biomedical Applications
复制标题
DOI：
10.48550/arxiv.2203.15874
复制
发表时间：
2022-03
期刊：
影响因子：
--
通讯作者：
Prachi Shukla;V. Pavlidis;E. Salman;A. Coskun
中科院分区：
文献类型：
--
作者：
Prachi Shukla;V. Pavlidis;E. Salman;A. Coskun
本文主要研究温度感知型单片3D(Mono3D)深度神经网络(DNN)推理加速器在生物医学中的应用。我们开发了一个优化器，可以在用户定义的性能和热约束下调整加速器的纵横比和占地面积，并生成接近最佳的配置。使用建议的Mono3D优化器，我们展示了与性能优化的加速器相比，生物医学应用程序的能效提高了高达61%。
In this paper, we focus on temperature-aware Monolithic 3D (Mono3D) deep neural network (DNN) inference accelerators for biomedical applications. We develop an optimizer that tunes aspect ratios and footprint of the accelerator under user-defined performance and thermal constraints, and generates near-optimal configurations. Using the proposed Mono3D optimizer, we demonstrate up to 61% improvement in energy efficiency for biomedical applications over a performance-optimized accelerator.