中文 英语

卷积神经网络:合作设计的硬件体系结构和压缩算法


进程大学的研究人员(韩国)发表“调查效率卷积神经网络和硬件加速”。Abstract: "Over the past decade, deep-learning-based representations have demonstrated remarkable performance in academia and industry. The learning capability of convolutional neural networks (CNNs) originates from a combination of various feature extraction...»阅读更多

音频、视觉进步加强集成电路设计权衡


飙升的音频和视觉传感器数量大大增加设计芯片和系统的复杂性,迫使工程师可以影响性能的权衡,权力,和成本。总的来说,这些传感器生成这么多数据,设计师必须考虑如何处理不同的数据,如何区分,如何优化特定的应用程序。的权衡……»阅读更多

节能不均匀的最后级别缓存Chip-multiprocessors基于压缩


文摘”技术扩展,chip-multiprocessors大小的缓存系统(CMPs)已经极大地提高了有效地存储和处理大量的数据在未来的应用程序和减少之间的差距的核和片外存储器访问。未来的cmp的架构设计,3 d堆叠llc最近推出的新方法来对抗性能…»阅读更多

自动显示:更大、更亮,更多


显示正在迅速变得越来越关键汽车、中央大脑加速这一技术的采用和演化来处理多种类型的音频、视觉和其他数据流量和流动的车辆。这些变化正在广泛影响整个设计到制造流程显示芯片架构。在过去,这些……»阅读更多

新势力,在边缘性能选项


增加计算智能优势迫使芯片架构师重新思考如何计算分区和优先,和什么样的处理元素和内存配置最适合一个特定的应用程序。将原始数据发送给云处理时间和资源密集型的,通常是不必要的,因为大部分的收集的数据增长ν……»阅读更多

11减少人工智能能量消耗的方法


随着机器学习行业的发展,重点已从过去仅仅解决问题更好地解决这个问题。“更好”常常意味着精度和速度,但随着数据中心能源预算爆炸和机器学习转移到边缘,取而代之的是能源消耗与精度和速度是一个关键问题。有很多方法神经……»阅读更多

MIPI DSI-2与VESA DSC驱动器下一代显示器的性能


手机行业处理器接口(MIPI)联盟成立于2003年,以解决基本视频接口技术的碎片在手机摄像头和显示器。多年来,该联盟大大扩大了范围发布规范涵盖物理层、多媒体、到、控制/数据和调试/跟踪和软件。以其广泛的使命……»阅读更多

电力/性能:12月31日


三值记忆东京理工学院的科学家们和东京大学开发出一种新的三值记忆设备受固体锂离子电池有可能作为低功耗内存。新装置包括一堆三个固态层由锂,磷酸锂和黄金。这个堆栈本质上是一个迷你小容量……»阅读更多

优势在哪里?


高级战略规划主管Mike Fitton Achronix,谈到边缘会是什么样子,如何在符合云的需求进行处理和存储,和这一概念将如何演变。边缘知识中心头条新闻、视频、博客、白皮书所有相关的优势»阅读更多

机器学习推论的边缘


研究员伊恩•布拉特手臂的机器学习小组,讨论为什么机器学习推测边缘是非常困难的,有哪些权衡,如何优化数据移动,如何加速运动,以及它如何不同于开发其他类型的处理器。»阅读更多

←旧的文章
Baidu