12、深度解析：NeuroMAX与稀疏CNN加速器的技术奥秘

深度解析：NeuroMAX与稀疏CNN加速器的技术奥秘

1. NeuroMAX加速器概述

NeuroMAX是一款专为优化3×3和1×1卷积设计的密集型CNN加速器。不过，它也能用于加速更大尺寸的卷积核运算。

1.1 高阶卷积处理

对于高阶卷积，如5×5卷积，由于PE矩阵大小为6×3，宽度大于3且高度大于6的滤波器需要多个周期来计算输出值。以5×5卷积为例，输入矩阵和权重矩阵的最后两列在时间戳t = 2时加载。生成的部分和（o1 - o18）会被提供给加法网络1。具体的输出值计算方式如下：
- (Va0, Va2 = ((o1 + o5 + o9) + (o10 + o14)) {old} + (o1 + o5 + o9) {new})
- (Va1 = ((o4 + o8 + o12) + (o13 + o17)) {old} + (o4 + o8 + o12) {new})

这里的旧值对应t = 1时输入和权重矩阵前三列的卷积输出，新值对应t = 2时最后两列的卷积输出。4×4卷积也采用类似的配置和数据流图。此外，CONV核心还能通过选择合适的步长和内核来执行池化操作。

1.2 实现与结果

NeuroMAX加速器在软件和硬件（Xilinx Zynq - 7020 SoC的PL侧，工作频率200 MHz）上均有实现。以下是相关的资源利用和性能数据：
| 属性 | 加速器 | 利用率 |
| ---- | ---- | ---- |
| LUTs | 20,680 | 38% |
| FFs | 17,207 |