人工智能领域特定加速器建模和设计空间探索评测结果数据集

随着深度学习的广泛应用，针对特定神经网络架构定制化设计领域专用加速器已成为提升能效与性能的关键。然而，专用计算设备的设计空间极为庞大，涉及计算单元阵列、内存层次、数据流等多维参数，其设计优化是一个具有较高研究价值的问题。本数据集针对此问题构建，核心包含两大部分：目标神经网络架构数据、配套的设计空间探索实验数据。前者涵盖了从轻量级移动网络到大规模Transformer在内的多样化、参数化的神经网络模型描述，以机器可读的统一格式呈现；后者这是通过一个先进的参数化加速器建模与探索工具生成的，该工具将处理元件阵列大小、缓冲容量、互联带宽等加速器关键组件参数化，计算加速器的延迟、功耗、面积等性能指标，并对上述神经网络进行针对性加速器参数优化搜索。 神经网络架构数据文件夹：五个json文件是神经网络架构数据，包含RESNET、MobileNet、MnasNet、Transformer、ZTransformer五种不同的神经网络结构，共68.5KB；设计空间探索实验数据文件夹：五个txt文件是针对这五种不同的神经网络的加速器设计空间探索结果，包含搜索过程和搜索结果，另有数据集说明文件，共756KB。

搜集汇总

背景与挑战

背景概述

该数据集专注于人工智能领域专用加速器的建模与设计空间探索，核心包含神经网络架构数据（如RESNET、MobileNet等）和相应的加速器设计空间探索实验数据。它通过参数化工具生成性能指标，旨在支持针对多样化神经网络的加速器参数优化搜索。