普林斯顿大学和斯坦福大学的研究人员发表了一篇名为“CODEBench: A Neural Architecture and Hardware Accelerator Co-Design Framework”的新技术论文。
“最近，机器学习(ML)模型和加速器架构的自动协同设计引起了业界和学术界的极大关注。然而，大多数协同设计框架要么探索有限的搜索空间，要么使用次优探索技术来同时研究ML模型和加速器的设计决策。此外，训练ML模型和模拟加速器性能的计算成本很高。为了解决这些限制，这项工作提出了一种新的神经体系结构和硬件加速器协同设计框架，称为CODEBench。它由两个新的基准测试子框架CNNBench和AccelBench组成，它们探索了卷积神经网络(CNN)和CNN加速器的扩展设计空间。”
找到这里是技术文件．2022年12月出版。
Tuli, Shikhar等，< CODEBench:一个神经体系结构和硬件加速器协同设计框架>。ACM嵌入式计算系统汇刊(2022年)。
留下回复