本文提出一种面向基于 systolic array 的边缘 DNN 加速器的可靠性感知量化权重量化与打包方法。首先，利用敏感度驱动的混合精度量化框架，根据每层对整体精度的影响分配位宽，并强制权重与激活使用相同位宽，以保持对称精度。随后，采用确定性的寄存器级打包策略，将多个异构操作数对合并到固定宽度的寄存器字中，实现 SIMD‑within‑a‑register（SWAR）并行执行，从而同时降低存储占用和执行周期。为提升对硬件故障的鲁棒性，针对关键层的最高有效位（MSB）进行选择性位级保护，将其复制到寄存器中未使用的位空间，形成类似 TMR 的冗余保护，开销极小。基于此，构建了一个 systolic‑array 仿真框架，在真实执行条件下评估打包与容错机制。实验在 AlexNet、VGG‑11 与 ResNet‑18 上显示，内存占用最高可降低 62%，乘加运算（MAC）次数最高可削减 56%，且在故障注入测试中相较基线模型和全保护模型显著提升了准确率鲁棒性。
点评