基于强化学习的移位复制内核映射策略针对系统性能优化测试结果数据及相关成果

使用模拟器MNSIM，针对VGG16模型，采用CIFAR-10数据集作为测试环境与测试负载，分别比较默认映射策略和基于强化学习的应用算法映射优化方法，对比两种策略的推理性能得到的记录数据。其中模拟器MNSIM配置为：交叉阵列大小为128*128，量化位宽为8bit，忆阻器精度2bit，DAC精度2bit，ADC精度8bit。VGG16神经网络模型包含13个卷积层与3个全连接层。CIFAR-10数据集包含60,000张32x32像素的彩色图像，分为10个类别。测试集包含10,000张图像。映射优化算法等相关研究发表论文3篇，专利3份，获得调研报告1篇。

搜集汇总

背景与挑战

背景概述

该数据集记录了基于强化学习的移位复制内核映射策略与默认映射策略在系统性能优化上的对比测试结果。实验采用MNSIM模拟器，以VGG16神经网络模型和CIFAR-10数据集为测试负载，通过模拟128×128交叉阵列等硬件配置，评估两种策略的推理性能。此外，数据集还包含相关的研究成果，包括3篇论文、3份专利和1篇调研报告。