标签:戴斯。莱纳姆:

基于横杆的Compute-In-Memory合作设计视图
通过技术论文链接3月- 15,2023 -评论:0

新评论篇题为“计算神经网络与非易失性内存元素:从合作设计的角度回顾”被阿贡国家实验室的研究人员发表,普渡大学,印度科技学院的马德拉斯。”一个总体合作设计的观点,本文基于评估使用横杆的CIM神经网络,连接材料适当的……»阅读更多

AI FP8:跨行业硬件规范培训和推理(手臂、英特尔、英伟达)
通过技术论文链接9月- 16,2022 -评论:0

手臂、英特尔和Nvidia提出了规范一个8位浮点(FP8)格式,可以提供一个通用的可互换格式适用于人工智能训练和推理,让人工智能模型和跨硬件平台的执行操作。找到技术论文题为“深度学习FP8格式”。2022年9月出版。文摘:“FP8是一种天然的p…»阅读更多

提高产量和机器学习
通过劳拉·彼得斯7月- 12,2022 -评论:0

机器学习在半导体制造业变得越来越有价值,它被用于提高产量和吞吐量。这是在过程控制显得尤为重要,数据集在哪里吵了。神经网络可以识别模式,超过人类的能力,或执行分类更快。因此,他们被部署在各种生产过程……»阅读更多

深度学习材料科学:申请方法,最近的进展
通过技术论文链接- 10,2022 -评论:0

新技术论文题为“深度学习方法的最新进展和应用在材料科学”研究人员NIST,加州大学圣地亚哥分校,劳伦斯伯克利国家实验室,卡内基梅隆大学、西北大学和哥伦比亚大学。抽象的“深度学习(DL)是增长最快的一个主题在材料数据科学、与快速新兴应用程序生成…»阅读更多

DRAM达到危机点热的问题
通过凯伦·海曼- 09年6月,2022 -评论:5

在DRAM的世界,正处在一个危机点热的问题。在14 nm下面,在最先进的包装方案,可能需要一个全新的度量来解决如何的乘数效应热密度越来越小问题变成大问题。几个晶体管过热可能不会大大影响可靠性,但产生的热量从几十亿晶体管....»阅读更多

AI系统为何如此难以预测
通过埃德·斯珀林2021年1月- 12 -评论:0

人工智能能做许多事情,但如何确保正确的事情一点也不清楚。这源于这样一个事实,AI / ML / DL系统构建适应和自优化。适当调整权重,训练算法可以用来确保这些系统不会得太远的起点。但如何测试,在实验室里,工厂和现场远f……»阅读更多

使用人工智能和bug发现其他错误
通过安Mutschler11月24日,2020 -评论:0

调试开始重新思考和使用芯片变得更复杂和更紧密地集成到包或其他系统,特别是在安全、关键任务应用程序的平均寿命大大延长。今天,主要的检查方法使用无处不在的约束随机/覆盖率驱动的验证技术,或正式确认techn……»阅读更多

Nvidia为40美元购买臂b
通过埃德·斯珀林9月- 13,2020 -评论:2

与软银Nvidia公司签署了一份协议,以400亿美元收购部门,结合1号AI /毫升GPU与1号处理器IP公司制造商。假设交易获得监管部门的批准,这两家公司的结合将创建一个世界强国在AI /毫升。Nvidia gpu的首选平台训练算法,而手臂有着广泛的投资组合的AI /毫升处理器核心。手臂也哈…»阅读更多

3在边缘的设计挑战
通过埃德·斯珀林- 15,2020 -评论:0

随着企业开始探索将必要赢得优势,他们想出了一些严峻的挑战。设计芯片的优势远远不同于物联网/ IIoT。物联网的概念是简单的传感器将继电器数据通过网关到云,它会处理和数据可以根据需要发送回设备。,如果这是一个小…»阅读更多

将人工智能芯片使用多大的权力?
通过埃德·斯珀林2020年3月- 12 -评论:1

人工智能和机器学习时的胃口都是力量。在培训方面,他们会充分利用每个可用的处理元素在一个高度并行阵列的处理器和加速器。他们推论方面,将继续优化算法性能最大化系统设计做的任何任务。但与汽车一样,里程变化gre考试……»阅读更多

←旧的文章

  • 赞助商

关于

导航

与我们联系

版权©2013 - 2023 SMG |服务条款|隐私政策
Baidu