{rfName}
Co

Indexat a

Llicència i ús

Icono OpenAccess

Citacions

2

Altmetrics

Anàlisi d'autories institucional

Alonso P.Autor o coautorAlonso, PAutor o coautorQuintana-Ortí, EsAutor o coautor

Compartir

Publicacions
>
Conferència publicada

Convolution Operators for Deep Learning Inference on the Fujitsu A64FX Processor

Publicat a:Proceedings - Symposium On Computer Architecture And High Performance Computing. 160-169 - 2022-01-01 (), DOI: 10.1109/SBAC-PAD55451.2022.00027

Autors: Dolz, MF; Martinez, H; Alonso, P; Quintana-Ortí, ES

Afiliacions

Univ Cordoba - Autor o coautor
Univ Jaume I Castellon - Autor o coautor
Univ Politecn Valencia - Autor o coautor

Resum

The convolution operator is a crucial kernel for many computer vision and signal processing applications that rely on deep learning (DL) technologies. As such, the efficient implementation of this operator has received considerable attention in the past few years for a fair range of processor architectures. In this paper, we follow the technology trend toward integrating long SIMD (single instruction, multiple data) arithmetic units into high performance multicore processors to analyse the benefits of this type of hardware acceleration for latency-constrained DL workloads. For this purpose, we implement and optimise for the Fujitsu processor A64FX, three distinct methods for the calculation of the convolution, namely, the lowering approach, a blocked variant of the direct convolution algorithm, and the Winograd minimal filtering algorithm. Our experimental results include an extensive evaluation of the parallel scalability of these three methods and a comparison of their global performance using three popular DL models and a representative dataset.

Paraules clau

Arm-based a64fx processorConvolutional neural networksHigh performanceSimd arithmetic units

Indicis de qualitat

Impacte bibliomètric. Anàlisi de la contribució i canal de difusió

Des d'una perspectiva relativa, i atenent a l'indicador de impacte normalitzat calculat a partir del Field Citation Ratio (FCR) de la font Dimensions, proporciona un valor de: 2.27, el que indica que, comparat amb treballs en la mateixa disciplina i en el mateix any de publicació, el situa com un treball citat per sobre de la mitjana. (font consultada: Dimensions Jun 2025)

Concretament, i atenent a les diferents agències d'indexació, aquest treball ha acumulat, fins a la data 2025-06-20, el següent nombre de cites:

  • Scopus: 2
  • OpenCitations: 3

Impacte i visibilitat social

Des de la dimensió d'influència o adopció social, i prenent com a base les mètriques associades a les mencions i interaccions proporcionades per agències especialitzades en el càlcul de les denominades "Mètriques Alternatives o Socials", podem destacar a data 2025-06-20:

  • L'ús d'aquesta aportació en marcadors, bifurcacions de codi, afegits a llistes de favorits per a una lectura recurrent, així com visualitzacions generals, indica que algú està fent servir la publicació com a base del seu treball actual. Això pot ser un indicador destacat de futures cites més formals i acadèmiques. Aquesta afirmació està avalada pel resultat de l'indicador "Capture", que aporta un total de: 3 (PlumX).

És fonamental presentar evidències que recolzin l'alineació plena amb els principis i directrius institucionals sobre Ciència Oberta i la Conservació i Difusió del Patrimoni Intel·lectual. Un clar exemple d'això és:

  • El treball s'ha enviat a una revista la política editorial de la qual permet la publicació en obert Open Access.

Anàlisi del lideratge dels autors institucionals

Hi ha un lideratge significatiu, ja que alguns dels autors pertanyents a la institució apareixen com a primer o últim signant, es pot apreciar en el detall: Últim Autor (Quintana Ortí, Enrique Salvador).