• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International conference on computer design >A Memory-Access-Efficient Adaptive Implementation of kNN on FPGA through HLS
【24h】

A Memory-Access-Efficient Adaptive Implementation of kNN on FPGA through HLS

机译：通过HLS在FPGA上实现kNN的内存访问有效自适应实现

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

To reduce the impact of the memory-access constraint in k-Nearest Neighbors (kNN) problems, in this paper we implement one kNN kernel through high-level synthesis (HLS) on FPGA by employing two data access reduction methods: low-precision data representation and principal component analysis based filtering (PCAF). The kernel is called MPCAF-kNN (Memory-efficient PCAF kNN), which has been highly optimized to fully exploit the characteristics of FPGA. It is adaptive to all key parameters. We evaluate MPCAF-kNN by comparing it with a state-of-the-art kNN implementation on a high-end CPU server. Our results show that MPCAF-kNN achieves up to a performance equivalent to that of a 56-thread of CPU server while greatly reducing external memory-accesses.
机译：为了减少内存访问约束对k最近邻（kNN）问题的影响，本文中我们通过采用两种数据访问减少方法在FPGA上通过高级综合（HLS）实现了一个kNN内核：低精度数据表示和基于主成分分析的过滤（PCAF）。内核称为MPCAF-kNN（内存高效PCAF kNN），该内核已经过高度优化，可以充分利用FPGA的特性。它适用于所有关键参数。通过将其与高端CPU服务器上最新的kNN实现进行比较，我们对MPCAF-kNN进行了评估。我们的结果表明，MPCAF-kNN的性能可达到与56线程CPU服务器相当的性能，同时大大减少了对外部内存的访问。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号