8、特定领域加速器：机器学习与自动机处理的创新方案

特定领域加速器：机器学习与自动机处理的创新方案

1. 基于ReRAM的机器学习加速方案

在机器学习加速领域，ReRAM（阻变随机存取存储器）展现出了巨大的潜力。PipeLayer是一种基于ReRAM的内存计算架构，专门用于CNN（卷积神经网络）训练。在ReRAM交叉阵列中，其数据映射方式与ISAAC类似，将一个滤波器的权重映射到一列（位线）。PipeLayer引入了一种训练流水线策略，将一张图像在各层的计算视为流水线的一个阶段，从而实现多张图像在不同层的并行处理。此外，还使用了一些内存阵列来缓冲CNN训练中复杂数据依赖所需的中间结果。

FPSA提出了一种灵活的ReRAM内加速器，具备可重构的路由架构和布局布线工具。FloatPIM则支持浮点值的全数字内存计算，能够实现高精度的训练，同时通过在内存块之间插入开关优化数据传输。

还有一些基于ReRAM的内存DNN（深度神经网络）加速芯片的研究。它们采用类似的权重和输入映射策略，但权重采用2 - 3位、输入采用1 - 2位的低精度评估，并且使用较小的DNN模型或数据集，如MNIST。

除了ReRAM，还有其他类型的非易失性存储器被用于ML加速，包括相变存储器（PCM）、自旋转移矩磁性随机存取存储器（STT - MRAM）和铁电随机存取存储器（FeRAM）。不同类型的NVM各有优缺点，例如STT - MRAM主要用于具有二进制权重或激活的ML模型，因为在其单元中存储多位具有挑战性；基于PCM的架构在训练任务中能耗较高，因为训练需要大量的数据写入，而PCM的写入能耗相对较高。

<

存储器类型	适用场景