Integração de módulos de redes neurais em hardware em um sistema many-core : um estudo de caso

Abstract

Este trabalho propõe um estudo de caso de implementação de um periférico de rede neu ral. Para isso, foi utilizada uma rede neural feedforward com duas entradas, uma camada escondida e uma saída, capaz de obter a saída de uma porta XOR. A metodologia utilizada para atingir o sistema proposto foi a da implementação de dois módulos no periférico, sendo estes chamados de Módulo de Rede Neural, que provê a saída da rede neural, e o Módulo de Interfaceamento, que envia e recebe pacotes provenientes da rede gerada pela plataforma Memphis. Além disso, a mesma rede neural foi implementada em software, na linguagem C, com objetivo de realizar comparações de desempenho. Para acoplar o periférico à Memphis, foram necessárias algumas adições ao software e ao hardware da mesma. O periférico de rede neural se mostrou funcional tanto isolado quanto acoplado à plataforma. Foi observado que, quando isolado, o periférico é capaz de enviar e receber pacotes e retornar a saída da rede neural. Quando acoplado à plataforma Memphis, o periférico tem seu tempo de execução individual de apenas 30 ciclos de clock para uma rede descongestionada. Ao comparar o desempenho do sistema gerado pela plataforma com o periférico retornando a saída da rede neural com o software em C implementado, notou-se que o tempo total de execução do sistema em software é, em média, 4% menor. Além disso, o delay de requisição da saída da rede neural no sistema em software é de 343 ciclos de clock, ao passo que esse tempo em hardware é de 1246 ciclos de clock em uma rede descongestionada com apenas 2 tarefas alocadas. Foi observado que essa diferença é decorrente principamente do tempo da chamada de sistema na API; do tempo de envio, recebimento e tratamento de pacotes; e do tempo de escalonamento entre tarefas. Dessa forma, concluiu-se que o desempenho entre o uso de uma implementação em software e hardware será relativo a complexidade da rede neural implementada.