中文 英语

培训毫升模型边缘一个智能设备上使用小于256 kb内存


新技术论文题为“设备内置训练在256 kb内存”由麻省理工学院研究人员发表和MIT-IBM沃森AI实验室。”我们的研究不仅可以使物联网设备进行推理,也不断更新AI模型新收集的数据,设备内置终身学习铺平了道路。资源利用率低使更多的人接受深度学习,可以有一个弟弟……»阅读更多

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

将人工智能模型加速器芯片


人工智能是加速运动和处理的数据。阿里Cheraghi,解决方案架构师在Flex Logix,谈到为什么浮点数据需要转换成整数点数据,如何影响功率和性能,以及不同的方法量化玩成这个公式。»阅读更多

可定制的fpga硬件加速器与量化标准的卷积过程授权应用于激光雷达数据


抽象”近年来一直不断增加数量的研究和发展深度学习对象检测解决方案应用于无人驾驶车辆。这个应用程序受益于创新的趋势感到感知解决方案,如激光雷达传感器。目前,这是首选的设备在自动车辆完成这些任务。有一个兄弟…»阅读更多

获得更好的边缘从Acceleration-Aware毫升模型设计性能和效率


机器学习技术的出现极大地受益于使用加速技术如gpu, tpu和fpga。的确,没有加速度的使用技术,机器学习很可能会一直在学术界和没有影响,在今天我们的世界。显然,机器学习已经成为一个重要工具解决……»阅读更多

棉酚的影响在3/2nm晶体管


芯片行业准备另一个变化在晶体管结构gate-all-around(棉酚)场效应晶体管取代finFETs 3 nm和下面,创建一个新组设计团队面临的挑战,需要充分理解和解决。从finFETs棉酚场效应晶体管被认为是进化的步骤,但对设计流程和工具的影响仍将是巨大的。棉酚场效应晶体管将提供…»阅读更多

挑战新的人工智能处理器架构


投资资金涌入的发展新的人工智能处理器的数据中心,但这里的问题是独一无二的,结果是不可预测的,竞争有雄厚的财力和非常粘的产品。最大的问题可能是终端市场的数据不足。当设计一个新的人工智能处理器,每个设计团队都必须回答一个基本问题——flex多少……»阅读更多

边缘AI推理的挑战


将卷积神经网络(cnn)行业是否它是医学成像,机器人或其他视觉应用entirely-has可能使新功能,减少现有工作负载的计算要求。这是因为一个CNN可以取代更多的计算上开销很高的图像处理、去噪、目标检测算法。Howev……»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

快速、低功耗推论


力量和性能往往被看作是对立的目标,如果你将一枚硬币的两面。一个系统可以运行非常快,但它会消耗大量的电力。放松油门,能耗下降,但性能。优化功率和性能是具有挑战性的。卷积神经网络(CNN)的推测算法计算int……»阅读更多

←旧的文章
Baidu