探索未来智能硬件:Gemmini——一款强大的DNN硬件平台
项目简介
Gemmini 是一个全面的深度神经网络(DNN)硬件探索和评估平台,其目标是为架构师提供深入洞察系统各个组成部分以及软件栈如何相互作用以影响整体DNN性能的机会。这个项目作为Chipyard生态系统的一部分,采用了先进的Chisel硬件描述语言进行开发。
项目技术分析
Gemmini 是一个基于RoCC加速器的解决方案,拥有非标准的RISC-V自定义指令,与Rocket或BOOM处理器核心的RoCC端口相连,并通过系统总线直接访问L2缓存。它的心脏是一个可配置的 systolic 数组,支持两种数据流模式:输出站定和权重站定。这种灵活性允许在运行时选择最适合的计算策略。
系统的输入和输出存储在一个显式管理的SRAM划片缓存中,由DMA引擎处理主内存与缓存之间的数据传输。为了实现重量站定数据流,还包含了一个附加的SRAM银行和加法单元作为累加器。激活函数、量化操作和矩阵转置等功能也得以集成,以增强其功能。
主要参数
- Systolic Array维度:可以根据需求调整大小,包括两层层次结构,即完全组合的“tile”和带有流水线寄存器的“mesh”。
- Dataflow参数:确定数据流模式是单一类型还是支持多种选择。
- Memory参数:可定制的缓存容量和银行数量。
- Type参数:定义输入、输出和积累的数据类型,包括固定点和浮点数。
- Access-execute队列参数:实现了加载、存储和执行的解耦,确保高效的操作流程。
应用场景
Gemmini 在多个领域有广泛的应用潜力:
- 研究与开发:用于理解不同硬件设计对DNN性能的影响。
- 数据中心优化:提升大规模机器学习模型的处理速度。
- 嵌入式应用:在资源有限的环境中提供高效的DNN计算。
- 实时智能系统:如自动驾驶汽车和物联网设备,需要快速响应和低延迟的DNN计算。
项目特点
- 灵活性:Gemmini 支持输出站定和权重站定数据流,可根据实际工作负载动态选择。
- 可配置性:可以调整 systolic 数组尺寸、内存属性和其他关键参数,以适应不同的硬件和性能要求。
- 高效能:利用 systolic 数组的并行计算能力和优化的内存管理,提高计算效率。
- 广泛适用:既能在功能性模拟器(如Spike)上运行,也能在循环精确的模拟器(如Verilator)上进行性能验证。
- 开源生态:Gemmini 是 Chipyard 生态系统的一部分,提供了丰富的工具链和支持,方便开发者参与和贡献。
快速启动
按照项目文档中的指示安装依赖,构建Gemmini硬件和软件,然后在各种模拟器上运行。无论你是初学者还是经验丰富的开发者,Gemmini 都为你准备了详细的步骤。
Gemmini 提供了一个独特的窗口,让我们能够深入洞察未来的智能硬件设计。利用这个强大的工具,你可以自由地探索、实验和创新,推动DNN硬件的新边界。立即加入Gemmini社区,开启你的硬件探索之旅!