技术论文题为“FlutPIM:查找表格处理与浮点计算内存架构支持深度学习应用程序”发表了罗切斯特理工学院和乔治梅森大学的研究人员。
“Processing-in-Memory (PIM)显示潜力巨大广泛的数据驱动的应用程序,尤其是深度学习和人工智能。然而,这是一个挑战,促进标准的处理器的计算复杂性(即CPU或GPU)在有限范围内的一个内存芯片电路没有造成重大开销。为应对挑战,我们提出一个可编程LUT-based area-efficient PIM体系结构能够执行各种精度浮点(FP)计算使用小说LUT-oriented operand-decomposition技术。我们把这种紧凑的计算单元内的记忆银行在一个大型数达到令人印象深刻的并行处理能力,4 x比最先进的FP-capable PIM。此外,我们采用一个高度优化的FP最大化的格式计算精度性能计算精度的最小的妥协,特别是深度学习应用。总的结果是17%更高的吞吐量和一个令人印象深刻的8-20x计算带宽/银行相比,内存的最先进的加速。”
找到这里的技术论文。发表:2023年6月。
管理者,Purab Ranjan) Sathwika Bavikadi,马克Indovina, Sai Manoj Pudukotai Dinakarrao,和Amlan Ganguly。“FlutPIM:查找表格处理内存架构的浮点计算对深度学习应用程序的支持。“在五大湖研讨会于2023年VLSI学报》上,207 - 211页。2023年。
留下一个回复