中文 英语

标签:数据移动

处理近内存计算架构中的热量
通过凯伦·海曼- 2022年10月13日-评论:0

数据的爆炸式增长迫使芯片制造商更加细化逻辑和内存在芯片上的位置，如何划分数据和优先级来利用这些资源，以及如果它们在芯片上或封装中靠得更近会产生什么热影响。十多年来，该行业一直面临着一个基本问题——移动数据可能比移动数据更消耗资源。»阅读更多

算法HW框架，最大限度地降低精度退化，数据移动和DNN加速器的能源消耗(佐治亚理工学院)
通过技术文件链接- 2022年8月31日-评论:0

这篇题为“克服混合信号DNN加速器缺陷的算法-硬件协同设计框架”的新研究论文由佐治亚理工学院的研究人员发表。根据论文的摘要，“近年来，基于内存处理(PIM)的混合信号设计已被提出作为具有超高吞吐量的能源和面积高效解决方案来加速DNN通信……»阅读更多

将智能推向边缘
通过埃德·斯珀林- 2022年4月5日-评论:0

边缘技术的发展正在整个芯片行业带来一系列新的挑战和机遇。瑞萨电子美国执行副总裁Sailesh Chittipeddi谈到了向以人工智能为中心的工作负载而不是以cpu为中心的转变，为什么嵌入式计算正在成为所有智能的基础，以及软件、安全性和用户体验的重要性……»阅读更多

实现人工智能革命需要的七种硬件进步
通过Pottier雷米- 2022年3月10日-评论

人工智能对整个社会潜在的积极影响是不可能被高估的。然而，普及人工智能仍是一个挑战。训练算法会耗费大量的能量、时间和计算能力。随着医学成像和机器人等应用的应用，推断也将变得更加繁重。应用材料公司估计，人工智能可能会消耗全球25%的能源……»阅读更多

1.6 Tb/s以太网挑战
通过埃德·斯珀林- 2021年11月16日-评论:0

以极快的速度移动数据在理论上听起来很不错，但它带来了许多设计挑战。Synopsys的高性能计算数字IP高级产品营销经理John Swanson谈到了下一代以太网对交换机的影响，需要考虑的数据类型，数据增长的原因，以及数据中心的规模和结构。»阅读更多

优化驱动微架构的变化
通过安Mutschler- 2021年9月23日-评论:0

半导体生态系统正处于一个转折点，如何根据数据爆炸、人工智能使用量增加以及领先应用程序的差异化和定制需求来最佳地架构CPU。在过去，大部分工作都是通过移动到下一个流程节点来完成的。但是随着在每个新节点上扩展的好处逐渐减少，重点是…»阅读更多

SpZip:在不规则应用程序中有效数据压缩的架构支持
通过技术文件链接- 2021年8月11日-评论:0

技术论文链接在这里。发表于:2021 ACM/IEEE第48届计算机体系结构国际年会(ISCA) Yifan Yang (MIT);Joel Emer (MIT / NVIDIA);Daniel Sanchez (MIT)摘要:“不规则的应用，如图分析和稀疏线性代数，表现出频繁的对单个或短序列元素的间接、数据依赖的访问，这导致了高ma…»阅读更多

高效的多gpu共享内存通过自动优化细粒度传输
通过技术文件链接- 2021年7月2日-评论:0

Harini Muthukrishnan(密歇根大学);David Nellans, Daniel Lustig (NVIDIA);Jeffrey A. Fessler, Thomas Wenisch(密歇根大学)。摘要-“尽管对gpu间通信机制的研究仍在继续，但从多gpu系统中提取性能仍然是一个重大挑战。通过基于dma的批量传输的GPU间通信暴露了GPU的关键数据传输延迟…»阅读更多

热挑战和摩尔定律
通过埃德·斯珀林- 2019年10月22日-评论:0

Rambus公司的杰出发明家史蒂文·吴(Steven Woo)研究了显卡几十年来的发展，以及设计如何改变以应对更多图形和更多热量，以及为什么更小、更快和更便宜的显卡不适用于这个市场。»阅读更多

机器学习推理的前沿
通过埃德·斯珀林- 2019年9月12日-评论

Ian Bratt, Arm机器学习小组的研究员，谈到了为什么机器学习推理在边缘是如此困难，是什么权衡，如何优化数据移动，如何加速移动，以及它与开发其他类型的处理器有何不同。»阅读更多

  • 赞助商

关于

导航

与我们联系

版权所有©2013-2023 SMG |服务条款|隐私政策
Baidu