Eyeriss中的RS（行固定）数据流

Eyeriss中的RS（行固定）数据流

Eyeriss想必大家都读过，但是你在第一次读v1的时候可能并不清楚他所讲的RS数据流具体是什么样的。笔者在这里专门对Eyeriss v1中的RS（行固定）数据流进行详细举例说明。

原文中有关RS数据流的部分：
“Eyeriss: An Energy-Efficient Reconfigurable Accelerator for Deep Convolutional Neural Networks”中的第四段。
“Eyeriss: A Spatial Architecture for Energy-Efficient Dataflow for Convolutional Neural Networks”中的第V部分。

原文中有关RS数据流的图如下：
​

第一次看到原文中的描述和这几张图片笔者一脸懵逼，这数据到底是怎么流动的呢？
于是笔者亲自拿出笔纸写写画画，终于大致搞明白了PE中的数据流。在这里分享给需要了解RS数据流的人。

卷积运算大家应该都清楚，这里不必赘述。接下来直接上干货。

1D Convolution Primitives

首先对于原文中的“1D Convolution Primitives”的操作，它是把2D卷积分解成一行一行的卷积来算。每个PE里面装权重的一行和输入特征的一行，然后权重的一行和输入特征的一行进行一维卷积。举个例子：

输入特征矩阵D：

[01，02，03，04，05，06] [07，08，09，10，11，12] [13，14，15&#