我的阅读状态 （保存写回仓库，全设备同步；首次保存需输入访问令牌）

AI 速览

一句话：提出支持多种数据流的稀疏-稀疏矩阵乘法加速器 Flexagon，以高效处理稀疏 DNN 计算。

现代 DNN 模型中稀疏性日益普遍，稀疏-稀疏矩阵乘法成为关键计算模式，但不同层的稀疏结构与访存需求差异较大，单一数据流往往难以同时兼顾效率。论文提出 Flexagon——一种多数据流（multi-dataflow）的稀疏-稀疏矩阵乘法加速器，目标是为 DNN 处理提供高效的稀疏计算支持。其核心思路是让加速器能够支持多种数据流配置，从而适配不同 DNN 层与稀疏模式。给定摘要仅点明「稀疏性是现代 DNN 模型的增长趋势」这一动机，具体的架构细节、数据流切换机制以及实验评估结果均未在摘要中给出。

问题

现代 DNN 模型中稀疏性不断增长，稀疏-稀疏矩阵乘法需要在多样的稀疏模式下保持高效，单一数据流方案难以兼顾。

方法

设计 Flexagon 加速器，支持多数据流（multi-dataflow）的稀疏-稀疏矩阵乘法，以适应 DNN 中不同的稀疏结构。

评估

论文以面向 DNN 处理效率为目标，评估应围绕稀疏-稀疏矩阵乘法的加速效果；但给定摘要未提供实验设置与结果。

链接与引用

DOI 原文 · PDF（开放获取） ·

@inproceedings{paperbot10070,
  title = {Flexagon: A Multi-dataflow Sparse-Sparse Matrix Multiplication Accelerator for Efficient DNN Processing},
  author = {Francisco Muñoz-Martínez and Raveesh Garg and Michael Pellauer and José L. Abellán and Manuel E. Acacio and Tushar Krishna},
  booktitle = {ASPLOS},
  year = {2023},
  doi = {10.1145/3582016.3582069}
}