Arquitectura de dominio específico para redes neuronales recurrentes utilizando la ISA de RISC-V

Abstract

Las redes Neuronales Artificiales son ampliamente utilizadas en la actualidad debido a su capacidad de resolver problemas a partir de los datos disponibles de este. Estas, sin embargo, conllevan una necesidad de una gran capacidad computacional debido al gran número de cálculos matemáticos requeridos para el funcionamiento de estas redes. A partir de esto, se busca explorar la reciente ISA open-source: RISC-V, realizando una aplicación de dominio especifico orientado a redes neuronales sobre este tipo de procesador. Para esto, en este trabajo de título se realiza la implementación de una red neuronal utilizando esta ISA, específicamente, una red neuronal recurrente LSTM. El objetivo consiste, entonces, en realizar mediciones de tiempo, respecto al entrenamiento y ejecución de la implementación de esta red, y comparar estos tiempos a mediciones obtenidas utilizando los procesadores más comunes: CPU y GPU. Entre los resultados obtenidos se logra realizar una implementación funcional de una red LSTM en RISC-V, donde los tiempos obtenidos son comparables a aquellos obtenidos por una CPU, sin embargo el procesador GPU sigue siendo considerablemente más eficiente, al menos respecto a la implementación realizada, la cual puede ser mejorara aún más utilizando instrucciones atómicas de RISC-V o, incluso, a través de la implementación de instrucciones personalizadas.