如何与不同神经网络目标不同SoC架构软件框架。
为神经网络软件框架,如TensorFlow PyTorch,和咖啡,使它更容易使用机器学习作为一个日常功能,但它很难在嵌入式环境中运行这些框架。有限的预算对权力、内存和计算都能让这个更加困难。在手臂上,我们已经开发了手臂的神经网络,一个推理引擎,使它更容易的目标不同SoC架构,为更快、更高性能的部署嵌入式的机器学习。
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
增加复杂性,崩溃,继续功能收缩增加问题;监督不足。
学术界、业界伙伴关系斜坡来诱使大学生硬件工程。
速度、密度、距离、热量都需要考虑;可插入仍然有未来。
包装和检验公司吸引资金;124年初创公司筹集超过23亿美元。
叠加逻辑需要解决一些隐藏的问题;热耗散的担忧可能是他们中最小的一个。
新的应用程序需要深刻理解不同类型的DRAM的权衡。
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。
技术和业务挑战依然存在,但势头正在建设。
Gate-all-around将取代finFET,但它会产生一系列的挑战和未知。
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。
新的内存标准增加了巨大的好处,但它仍然是昂贵和复杂。这可能会改变。
该行业似乎认为这是一个真正的目标开放的指令集架构。
留下一个回复