一种面向神威·太湖之光的通用并行卷积算法
来源：计算机工程杂志2019年第12期北京时间：
作者：舒嘉明, 安虹, 武铮, 陈俊仕
单位：中国科学技术大学 计算机科学与技术学院, 合肥 230000
摘要：神威·太湖之光深度学习库中的并行卷积算法存在批量受限的问题，且传统gemm卷积算法在其硬件架构上效率较低。基于申威异构众核处理器，提出一种无批量限制的通用并行卷积算法。结合异步DMA访存操作和从核间的寄存器通信，使用数据重用和软件流水等方法降低从核访存开销，利用手动向量化的方法充分发挥从核浮点的计算能力。实验结果表明，与基础7层循环算法、gemm算法和Intel平台上的MKL-DNN算法相比，该算法的加速性能较好。
关键词：神威·太湖之光,卷积神经网络,数据重用,软件流水,批量受限
基金资助：国家重点研发计划（2016YFB1000403）。
