基于近端策略優(yōu)化的阻變存儲硬件加速器自動量化

摘要： 卷積神經(jīng)網(wǎng)絡(luò)在諸多領(lǐng)域已經(jīng)取得超出人類的成績.但是，隨著模型存儲開銷和計算復雜性的不斷增加，限制處理單元和內(nèi)存單元之間數(shù)據(jù)交換的“內(nèi)存墻”問題阻礙了其在諸如邊緣計算和物聯(lián)網(wǎng)等資源受限環(huán)境中的部署.基于阻變存儲的硬件加速器由于具有高集成度和低功耗等優(yōu)勢，被廣泛應(yīng)用于加速矩陣-向量乘運算，但是其不適合進行32 b浮點數(shù)計算，因此需要量化來降低數(shù)據(jù)精度.手工為每一層確定量化位寬非常耗...