sparse tensor operations are gaining attention in emerging applications such
as social networks, deep learning, diagnosis, crime, and review analysis.
However, a major obstacle for research in sparse tensor operations
本文提出了一种新颖的架构来有效地利用权重和激活的稀疏性,通过外积计算原语和位图编码格式将二者结合起来。通过针对现有常见计算模式(矩阵乘法和卷积)的矩阵乘法和卷积算法的协同设计,提出一组新的 ISA 扩展,实现了这种设计,抓住现今深度神经网络模型的两个主流计算模式的稀疏性,并证明了我们的设想可以显著提高性能。