arXiv cs.AI· Leandro Fiorin, Luigi Altamura, Cristina Silvano·· 11 小时前AI 评分18
qGAMMA：面向多精度加速器的最优 DNN 映射框架
qGAMMA: A Framework for Optimal DNN Mapping on Multi-Precision Accelerators
AI 导读
qGAMMA 是一个用于探索和优化混合精度 DNN 模型在多精度空间加速器上映射的框架，通过领域特定遗传算法与基于硬件综合结果的解析性能模型搜索设计空间，找出使目标指标最优的映射与加速器配置。该框架在多种 DNN 负载上评估，可为混合精度应用设计提供性能、能效与资源利用率之间的权衡参考。论文已被 SAMOS XXV 2025 接收，将发表于 Springer LNCS。
正文 · AI 翻译
摘要：本文介绍了 qGAMMA，一个灵活的框架，用于探索和优化混合精度深度神经网络（DNN）模型在通用空间加速器上的映射，这些加速器支持一系列定点与浮点精度。qGAMMA 使用领域特定的遗传算法和基于硬件综合结果的解析性能模型来导航设计空间。该框架确定了最优映射和加速器配置，以最小化目标指标。跨 DNN 工作负载的广泛评估表明，qGAMMA 为设计混合精度应用提供了有价值的见解，能够在性能、能效和资源利用率之间实现更好的权衡。
| 评论： | 已被第 25 届嵌入式计算系统国际会议：架构、建模与仿真（SAMOS XXV），2025 接收。将发表于 Springer LNCS |
| 主题： | 硬件架构（cs.AR）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.23222 [cs.AR] |
| （或 arXiv:2610.23222v1 [cs.AR] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.23222 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Luigi Altamura [查看电子邮件]
[v1]
2026年10月16日星期五 09:54:13 UTC（1,072 KB）
来源：arXiv cs.AI · arxiv.org