2023⁃03⁃10计算机应用,JournalofComputerApplications2023,43(3):827-834ISSN1001⁃9081CODENJYIIDUhttp：//www.joca.cn基于精准通信建模的脉冲神经网络工作负载自动映射器华夏1，朱铮皓1，徐聪1，张曦煌1*，柴志雷1，2，陈闻杰3（1.江南大学人工智能与计算机学院，江苏无锡214122；2.江苏省模式识别与计算智能工程实验室（江南大学），江苏无锡214122；3.软硬件协同设计技术与应用教育部工程研究中心（华东师范大学），上海200062）（∗通信作者电子邮箱18921160516@163.com）摘要：在分布式计算平台上运行大规模的脉冲神经网络（SNN）是提升类脑计算智能水平的基本手段之一，它的难点在于如何将SNN部署到对应数量的计算节点上，使整体系统的运行能效最佳。针对以上问题，在基于NEST的SNN工作负载自动映射器（SWAM）的基础上，提出一种基于精准通信建模的SNN工作负载自动映射器（SWAM2）。在SWAM2中，基于NEST仿真器对SNN工作负载的通信部分进行精准建模，并改进工作负载模型中参数的量化方法，设计了最大网络规模预测方法。在SNN典型案例上的实验结果表明，在工作负载通信以及计算时间的预测中，SWAM2的平均预测误差比SWAM分别降低12.62和5.15个百分点；在对工作负载最佳映射的预测中，SWAM2的平均准确率为97.55%，比SWAM高13.13个百分点。SWAM2通过自动预测SNN工作负载在计算平台上的最佳部署/映射，避免了手动反复实验的过程。关键词：脉冲神经网络；工作负载映射；分布式计算平台；NEST仿真器；计算能效中图分类号：TP302文献标志码：AWorkloadautomaticmapperforspikingneuralnetworkbasedonprecisecommunicationmodelingHUAXia1，ZHUZhenghao1，XUCong1，ZHANGXihuang1*，CHAIZhilei1，2，CHENWenjie3（1.SchoolofArtificialIntelligenceandComputerScience，JiangnanUniversity，WuxiJiangsu214122，China；2.JiangsuProvincialEngineeringLaboratoryofPatternRecognitionandComputationalIntelligence（JiangnanUniversity），WuxiJiangsu214122，China；3.MoEEngineeringResearchCenterforSoftware/HardwareCo-designTechnologyandApplication（EastChinaNormalUniversity），Shanghai200062，China）Abstract:Runningalarge-scaleSpikingNeuralNetwork（SNN）onadistributedcomputingplatformisoneofthebasicmeanstoimprovethelevelofbrain-likecomputingintelligence.ThedifficultyliesinhowtodeploytheSNNtothecorrespondingnumbero...
