Fig.11 例1100展示利用二维脉动阵列1114如何旋转kernel矩阵结构用于计算卷积运算。
输入为1102,将feature map tile成5x5的matrix,weight为1104,是3x3的kernel,第一个layer的feature map为170x170。
Inputs的size是由kernel大小决定的,tile_x=2*kx-2,tile_y=2*ky-1。
Tips:1002写到Receive a set of activation inputs and sets of weight inputs 这里的输入和输出都是从cpu排列好顺序进来的。可能不对,因为消耗带宽太大了。
1002 Form a set of vector inputs from the set of activation inputs 将输入写成向量的形式。意思就是将tile分为四个区域,左上角为第一区域9个数,用0标识,右上角第二区域6个数,用1标识,左下角6个数第三区域,用2标识,右下角第四区域4个数,用3标识。为什么不在向右边和下面继续拓展的原因是会与rotated kernel structure中某一个重复。
Weights的输入都写成vector形式,每组9个数,缺少部分补零。
然后将输入以vector的形式进入脉动阵列,与相应的rotated kernel structure进行点积运算,所选择的数通过MUX进行判定选择。
其中rotated kernel structure是怎么旋转的呢?正常卷积运算时移动kernel与input点积运算,现在不再是一个一个移动kernel,当第一个卷积是正常的,向右移动一个时,是将第一列的12 9 11移出去,将9 2 10填进去,这样的话就要将kernel列123变为312排序,才能得到正常运算结果,向下移动一个时,是将第一行移出去,将12 6 15移进来,kernel行123变为312。其他以此类推,也就是原来是计算一个点,现在计算9个点,MAC上的x方向则是kx*ky*ifz*ofz,y方向是kx*ky*ifz,提高MAC计算效率。
反复阅读总结,都只是理论做法,实际难以运用。其它不写了,比较鸡肋。
08-15
5009
![](https://csdnimg.cn/release/blogv2/dist/pc/img/readCountWhite.png)
07-21