超异构可重构架构AI算法集性能评测数据集

本数据集产生于国家重点研发计划项目“面向AI领域的敏捷硬件架构设计”的研究背景下，于2025年9月19日在清华大学实验室环境中采集完成。数据集核心内容为在统一配置与初始数据输入下，对比通用CPU与基于FPGA搭建的可重构计算架构原型系统在执行八种关键AI算法时的性能表现，具体包含算法的配置与初始数据、双平台的运算结果、精确运算时间及平均功耗三部分。数据通过专用脚本生成初始输入，并利用Python、Perf工具、Vivado/Vitis软件及原型系统内部寄存器等技术手段进行高精度采集。在数据处理阶段，通过标准化脚本对所有结果进行单位换算与格式统一，确保了数据在准确性、一致性与可比性方面的质量。本数据集为评估可重构架构在AI计算领域的性能与能效优势提供了直接、可靠的基准测试数据，对专用AI芯片架构设计、硬件软件协同优化以及高能效计算研究具有重要的参考价值与再利用潜力。
“关键算法的配置和初始数据”当中：需要实现的关键算法（即测试项）对应的配置信息以及测试该算法使用的初始数据，共324KB。“CPU输出数据”当中：CPU实现关键算法（测试项）后得到的运算结果，共58.2KB。“原型系统输出数据”当中：CGRA作为原型系统，实现关键算法（测试项）后得到的运算结果， 共129KB。另有数据集说明文件1KB。

搜集汇总

背景与挑战

背景概述

该数据集源于国家重点研发计划项目，于2025年在清华大学采集，核心内容是在统一配置下对比CPU与基于FPGA的可重构计算架构原型系统执行八种AI算法的性能表现，包含配置数据、运算结果、时间及功耗等信息。它旨在为评估可重构架构在AI计算中的性能与能效优势提供基准数据，对专用AI芯片设计、软硬件协同优化等研究具有重要参考价值。