能量/如何推理和总内存占用像微控制器可以在资源受限的设备上有所不同。
高效、紧凑的神经网络模型是必不可少的支持部署在移动和嵌入式设备。在这项工作中,我们指出,典型的设计指标为衡量神经网络架构的效率-操作和参数的总数是不够的。这些指标可能不准确与实际部署能源和内存占用等指标。我们表明,吞吐量和能量变化至多5 x操作在不同的神经网络类型在一个现成的手臂Cortex-M7单片机。此外,我们表明,激活数据所需的内存也需要考虑,除了模型参数,对网络体系结构的探索研究。
点击阅读更多在这里。
评论*
的名字*(注意:这个名字会显示公开)
电子邮件*(这将不公开显示)
Δ
传感器技术仍在不断发展,和功能正在被讨论。
问题包括设计、制造、包装、和可观察性都需要解决这种方法成为主流之前对于许多应用程序。
光子学、可持续发展和人工智能芯片吸引投资;157家公司筹集了超过24亿美元。
IP工业正在经历一些转换,将很难使新公司进入市场,并为那些仍然更加昂贵。
High-NA EUV仍在工作,但更多的芯片/ chiplets将使用老,开发廉价设备。
现有的工具可以用于RISC-V,但他们可能不是最有效或高效。还有什么需要?
行业取得了理解老龄化如何影响可靠性,但更多的变量很难修复。
Gate-all-around将取代finFET,但它会产生一系列的挑战和未知。
学术界、业界伙伴关系斜坡来诱使大学生硬件工程。
一个处理器的验证是更复杂的比同等规模的ASIC,和RISC-V处理器把这一层复杂性。
高速度和低热量使这个技术至关重要,但它是极其复杂和人才是很难找到和火车。
地图在interposer-based热量流动设计工作正在进行,但要做得多。
先进的设备、材料和包装技术所有导致权力问题。但是你需要关注每个晶体管和线吗?
留下一个回复