南加州大学(USC)的研究人员发表了一篇题为“资源受限TinyML应用程序的像素内存处理范式”的新技术论文。
根据该论文，“我们提出了一种新颖的内存像素处理(Processing-in-Pixel-in-memory, P2M)的范例，通过添加对模拟多通道、多比特卷积、批量归一化和整流线性单元(ReLU)的支持来定制像素数组。我们的解决方案包括一个整体的算法-电路协同设计方法和由此产生的P2M范式可用于替代在可铸造制造的CMOS图像传感器平台中嵌入内存密集型的卷积神经网络(CNN)模型的前几层。”
找到这里是技术文件．2022年8月出版。
达塔，G，昆都，S, Yin, Z。et al。用于资源受限TinyML应用程序的内存中像素处理范式。Sci代表12， 14396(2022)。https://doi.org/10.1038/s41598 - 022 - 17934 - 1 (开放存取链路）.
相关阅读
芯片中人工智能的新用途
ML/DL增加了边缘设计的复杂性，但它也增加了提高功率和性能的新选项。
利用人工智能加速边缘计算
优化系统行为可以改善PPA并延长其使用寿命。
模拟机能否卷土重来?
该行业已经到了一个拐点，模拟模式正在获得新的面貌，但数字模式不会轻易让位。
留下回复