计算机科学 > 硬件架构
[提交于 2025年7月11日
]
标题: 具有优化数据流的边缘大语言模型推理混合流水线阵列加速器
标题: Hybrid Systolic Array Accelerator with Optimized Dataflow for Edge Large Language Model Inference
摘要: 边缘推理为大型语言模型(LLM)提供了安全、低延迟和成本效益高的推理解决方案。 我们强调,边缘加速器应在内存密集的解码阶段实现高面积效率并最小化外部内存访问(EMA),同时在计算密集的预填充阶段保持高能效。 本文提出了一种具有混合脉动阵列(HSA)架构的边缘LLM推理加速器,该架构优化了两个阶段的推理效率。 为了进一步减少EMA,我们采用了MXINT4权重量化,并提出了一种针对HSA优化的数据流,确保可忽略的反量化开销,并在边缘DRAM带宽限制下实现100%的硬件利用率,同时仅造成最小的精度损失。 对于非线性操作,我们集成了优化的均方根归一化(RMSNorm)和旋转位置嵌入(RoPE)单元,在减少其延迟、面积和内存访问开销的同时,实现了在我们的加速器上的端到端推理。 我们的解决方案在运行一个1.3B LLM的长输入/长输出场景时,达到了247/117(token/s/mm2),相比现有方法提供了超过2.45倍/13.5倍的提升,同时在标记生成过程中保持了卓越的能效。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.