论文部分内容阅读
近似计算单元以一定的计算误差换取更低功耗，近年来在神经网络加速器中得到应用。本文通过研究不同近似加法器的误差特性、在典型神经网络应用中的结果以及功耗节省情况，对神经网络加速器进行最优近似设计。首先利用MATLAB对近似加法器建立数学模型，分析平均误差距离等误差特性，用HSPIOE设计电路进行功耗仿真，为近似加法器在神经网络上的应用提供指导原则。用Python搭建多层感知机和卷积神经网络，设计两层结构的近似加法器算法模型，替换网络中的精确加法器，研究不同误差特性、不同近似位宽的加法器对神经网络各个指标的影响