中文 英语

标签:培训

内存和节能批处理标准化硬件
通过技术文件链接- 2022年11月17日-评论:0

DGIST(大邱庆北科学技术学院)的研究人员发表了一篇名为“LightNorm:用于设备上DNN训练的面积和节能批量标准化硬件”的新技术论文。这项工作得到了三星研究基金孵化中心的支持。摘要:“在训练早期深度神经网络(DNNs)时，通过欺骗生成中间特征。»阅读更多

比较神经网络的新方法(洛斯阿拉莫斯国家实验室)
通过技术文件链接- 2022年9月13日-评论:0

洛斯阿拉莫斯国家实验室(LANL)的研究人员最近在人工智能不确定性会议上发表了一篇题为“如果你训练过一个，你就训练过所有的:架构间的相似性随着鲁棒性的增加而增加”的新研究论文。该团队开发了一种比较神经网络的新方法，并“应用了他们的网络相似度的新度量标准……»阅读更多

提高NLP应用的训练/推理的能量效率的技术，包括功率封顶和能量感知调度
通过技术文件链接- 2022年8月17日-评论:0

这篇新的技术论文名为“强大的力量，巨大的责任:为训练语言模型减少能量的建议”，来自麻省理工学院和东北大学的研究人员。摘要:“当前自然语言处理模型的能量需求继续以快速、不可持续的速度增长。最近强调这一问题的研究得出结论，迫切需要……»阅读更多

RISC-V核上低精度神经网络训练的ISA扩展
通过技术文件链接- 2022年7月8日-评论:0

来自苏黎世联邦理工学院的研究人员的新技术论文“MiniFloat-NN and ExSdotp:用于RISC-V核上低精度训练的ISA扩展和模块化开放硬件单元”;博洛尼亚大学DEI;Axelera AI。“低精度格式最近通过减少N的内存占用来推动神经网络(NN)训练和推理的重大突破。»阅读更多

模拟机能否卷土重来?
通过布莱恩•贝利- 2022年6月9日-评论:3

我们生活在一个由数字处理主导的模拟世界，但这种情况可能会改变。领域特异性，以及对更高层次优化的渴望，可能会为模拟计算提供一些显著的优势——以及卷土重来的可能性。在过去的四十年里，数字缩放和灵活性的优势已经拉近了模拟和数字之间的分界线……»阅读更多

利用基于模型的方法增强人工智能数据集
通过德克迈耶- 2022年2月10日-评论:0

工业工厂和流程现在已经实现数字化和网络化，人工智能可以用来评估这些设施产生的数据，以提高生产率和质量。机器学习(ML)方法可应用于:复杂生产过程中的产品质量分类。技术系统的状态监测，例如…»阅读更多

HBM2E提高了内存带宽的标准
通过Rambus- 2021年11月10日-意见:0

AI/ML的训练能力正以每年10倍的速度增长，这推动了计算硬件和软件各个方面的快速改进。HBM2E内存是AI/ML训练高带宽需求的理想解决方案，但考虑到其2.5D架构，需要额外的设计考虑。设计人员可以实现HBM2E内存与硅验证存储器的全部好处…»阅读更多

ML在EDA中的应用
通过埃德·斯珀林- 2021年9月20日-评论:0

由于数据密度和复杂性的增加导致数据量的增长，机器学习对于设计芯片来说越来越重要。Xilinx的AI产品营销总监Nick Ni研究了为什么机器学习在高级节点上越来越受欢迎，它现在在哪里被使用，未来将如何使用，结果的质量与ML相比如何，以及什么是…»阅读更多

边缘与云之间的权衡
通过布莱恩•贝利- 2021年9月9日-评论:0

越来越多的处理是在边缘上完成的，但云计算与边缘计算之间的平衡将如何变化尚不清楚。答案可能既取决于技术限制，也取决于数据的价值和其他商业原因。钟摆一直在摇摆，要么在云端进行所有处理，要么在云端进行越来越多的处理。»阅读更多

教育Vs.培训
通过布莱恩•贝利- 2021年8月26日-评论

当我最近写关于培训主题的文章时，许多人指出，培训和教育不是一回事。从非常简单的意义上讲，培训被定义为学习一项技能或行为，使你能够“做”某事，而教育是通过学习或培训获得知识。这些定义让我感到很冷，在我的脑海里，错过了一个非常……»阅读更多

←老帖子

  • 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