基于近端策略优化的阻变存储硬件加速器自动量化

卷积神经网络在诸多领域已经取得超出人类的成绩.但是,随着模型存储开销和计算复杂性的不断增加,限制处理单元和内存单元之间数据交换的"内存墙"问题阻碍了其在诸如边缘计算和物联网等资源受限环境中的部署.基于阻变存储的硬件加速器由于具有高集成度和低功耗等优势,被广泛应用于加速矩阵-向量乘运算,但是其不适合进行32 b浮点数计算,因此需要量化来降低数据精度.手工为每一层确定量化位宽非常耗时,近期的研究针对现场可编程门阵列(field programmable gate array,FPGA)平台使用基于深度确定性策略梯度(deep deterministic policy gradient,DDPG)的强化学习来进行自动量化,但需要将连续动作转换为离散动作,并通过逐层递减量化位宽来满足资源约束条件.基于此,提出基于近端策略优化(proximal policy optimization,PPO)算法的阻变存储硬件加速器自动量化,使用离散动作空间来避免动作空间转换步骤,设计新的奖励函数使PPO自动学习满足资源约束的最优量化策略,并给出软硬件设计改动以支持混合精度计算.实验结果表明:与粗粒度的量化相比,提出的方法可以减少20%~30%的硬件开销,而不引起模型准确度的过多损失.与其他自动量化相比,提出的方法搜索时间短,并且在相同的资源约束条件下可以进一步减少约4.2%的硬件开销.这为量化算法和硬件加速器的协同设计提供了参考.

“以文为根,以旅为脉,以商为实”潭柘寺镇文商旅融合发展研究

本文主要结合实地调研结果与相关资料,从潭柘寺镇民宿消费的顾客来源、市场定位、交通条件等角度分析其目前存在的问题,以紫旸山庄为主要分析对象,规划以文化为核心、消费者为导向、民宿为重点的区域经济协同发展模式,挖掘当地文旅资源,推动当地经济高质量发展,探索潭柘寺镇民宿与本地文旅结合的发展路径,进一步深化当地旅游业供给侧结构性改革,推动大众旅游、智慧旅游和“旅游+”发展。