计算机应用研究

作者：胡益笛,夏银水,

单位：宁波大学信息科学与工程学院,浙江宁波315211；

关键词：存内计算,深度强化学习,神经网络部署,近端策略优化,内在激励,

基金：国家自然科学基金资助项目(62131010,U22A2013)；浙江省创新群体资助项目(LDT23F4021F04)；宁波高新区重大技术创新资助项目(2022BCX050001)；；

针对存内计算大规模神经网络部署导致的计算延迟、运行功耗较大等问题，提出了基于深度强化学习的神经网络部署优化算法。首先，建立了马尔可夫决策过程的任务模型，优化神经网络的延迟和功耗，完成片上计算核心的部署。其次，针对优化部署过程中，存在求解空间过大、探索能力不足等问题，提出了一种基于深度强化学习的智能部署优化算法，从而得到近似最优的神经网络部署策略。最后，针对强化学习探索能力不足的问题，提出了一种基于内在激励的奖励策略，鼓励探索未知解空间，提高部署质量，解决陷入局部最优等问题。实验结果表明，该算法与目前强化学习算法相比能进一步优化功耗和延迟。

来源：2023年第9期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第9期