systems-on-chip (SoC)的观点。
机器学习中发挥着日益重要的角色在新兴移动应用领域如AR / VR ADAS,等。因此,硬件架构师设计定制的硬件机器学习算法,特别是神经网络,提高计算效率。然而,机器学习通常是一个复杂的端到端应用程序处理阶段,涉及多个组件在移动Systems-on-a-chip (SoC)。关注就毫升加速器失去了更大的优化机会在系统(SoC)的水平。本文认为,硬件架构师应该优化范围扩大到整个SoC。我们将演示一个特定案例研究在连续域的计算机视觉相机传感器,图像信号处理器(ISP),内存和协同设计达到最优协同神经网络加速器是系统级效率。
点击阅读更多在这里。
|
|
|
|
|
|
|
|
|
|
留下一个回复