中文 英语

标签:矩阵乘法

基于强化学习的更高效矩阵乘法算法(DeepMind)
通过技术文件链接- 2022年10月11日-评论:0

DeepMind的研究人员发表了一篇题为《利用强化学习发现更快的矩阵乘法算法》的新研究论文。“在这里，我们报告了一种基于AlphaZero的深度强化学习方法，用于发现任意矩阵乘法的有效且可证明正确的算法，”论文指出。在这里找到技术论文链接。及其…»了解更多

可编程开销值得吗?
通过布莱恩•贝利- 2022年1月13日-评论:0

可编程性推动了大多数半导体产品的增长，但它的实际成本是多少?这样的代价值得吗?答案要比简单的效率公式复杂得多。它可以根据应用程序、特定市场中的技术成熟度以及更大的系统环境而变化。在一个设计中被认为重要的东西在另一个设计中可能非常不同……»了解更多

最大化边缘AI性能
通过Vinay梅塔- 2021年4月1日-评论:0

卷积神经网络模型的推理在算法上是直接的，但是为了让应用程序获得最快的性能，在部署时需要记住一些陷阱。许多因素使有效的推理变得困难，我们将首先通过这些因素，然后再深入研究处理和解决每个问题的具体解决方案。读完这篇文章，你就会…»了解更多

内存计算
通过埃德·斯珀林- 2019年8月8日-评论

Adesto Technologies的首席技术官Gideon Intrater谈到了为什么内存计算在首次作为一种可能的选择被提出多年后，现在又被认真对待了。真正改变的是数据的爆炸式增长，以及人们认识到在同一芯片上的存储器和处理器之间来回传输所有数据太过耗时和耗能，更不用说在云端来回传输了。在…»了解更多

加速AI
通过埃德·斯珀林- 2019年6月6日-评论:0

Achronix总裁兼首席执行官Robert Blake接受了《半导体工程》(Semiconductor Engineering)的采访，讨论了人工智能、哪种处理器在哪里工作效果最好，以及加速性能的不同方法。SE:考虑到算法的不断变化和人工智能几乎无处不在的扩散，人工智能是如何影响FPGA业务的?布莱克:随着我们与越来越多的客户讨论部署新产品……»了解更多

改进边缘推理
通过埃德·斯珀林- 2019年5月2日-评论:0

Flex Logix高级工程副总裁王成与《半导体工程》讨论了如何提高边缘推理芯片的效率和速度，瓶颈产生的原因，以及人工智能芯片与其他类型半导体的不同之处。»了解更多

人工智能的自动化
通过布莱恩•贝利- 2019年3月28日-评论:0

《半导体工程》杂志与Metrics公司总裁兼首席执行官Doug Letcher讨论了EDA在自动化人工智能和机器学习方面的作用。Verifyter首席执行官丹尼尔•汉森;Harry Foster，西门子旗下Mentor的首席科学家;拉里·梅林，Cadence的产品管理总监;Synopsys研究员Manish Pandey;还有CEO雷克·布林克曼»了解更多

人工智能SoC的DNA
通过Synopsys对此- 2018年12月19日-评论:0

在过去的十年中，一些进步使人工智能(AI)成为我们一生中最令人兴奋的技术之一。2012年，Geoffrey Everest Hinton在Imagenet挑战赛中展示了他的广义反向传播神经网络算法，彻底改变了计算机视觉领域。然而，数学是在2012年之前几年开发的，它是可用的m…»了解更多

构建AI soc
通过埃德·斯珀林- 2018年10月25日-评论:0

新思科技(Synopsys)战略营销经理罗恩•洛曼(Ron Lowman)研究了人工智能的应用领域，以及当算法处于几乎不断变化的状态时，如何开发芯片。这包括什么移动到边缘而不是数据中心，算法是如何被压缩的，以及使用什么技术来加速这些芯片并降低功耗。https://youtu.be/d32jtdFwpcE…»了解更多

ml专用芯片的优缺点
通过埃德·斯珀林- 2018年7月27日-评论

《半导体工程》采访了Arm的罗伯·艾特肯;OneSpin Solutions首席执行官Raik Brinkmann;eSilicon商业和企业发展副总裁帕特里克·索海利(Patrick Soheili);以及Babblelabs的首席执行官克里斯·罗文。以下是对话节选。要查看第一部分，请点击这里。第二部分在这里。SE:业界对机器学习的了解是否跟上了……»了解更多

←旧帖

  • 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