独特的方式操纵SRAM单元以处理深度学习任务
一种新颖的深度学习加速器。专用单元定义了一个SRAM，该单元可以处理矩阵乘法，量化，存储以及推理处理器所需的其他工作。
在Spice仿真中，当使用8位整数数学识别手写数字时，该设计可提供100兆次操作/秒/瓦（TOPS / W）。它的计算密度可以击败Google的TPU一个数量级。
该设计是使用内存中计算方法的加速器产品线中最新的一种。设计使用40纳米NOR闪存单元的深度学习处理器，其目标是为监视摄像机等设备使用低功耗芯片。
设计时使用了很少的模拟电路，因此可以扩展到精细的工艺节点。它可能成为低功耗处理器中引擎（从边缘到云）的引擎。
独特的方式操纵SRAM单元以处理深度学习任务
这个设计使用户可以为从权重到神经网络层甚至单个神经元的所有内容创建自定义参数。这种灵活性可以使将来设计用于训练处理器的设计成为可能。但是尚无用于对该设计进行编程的软件堆栈，可能会在以后解决或留给将来的客户使用。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。
举报投诉
-
AI
+关注
关注
91文章
40982浏览量
302533 -
SPICE
+关注
关注
6文章
199浏览量
44693
发布评论请先 登录
相关推荐
热点推荐
sram存储器是什么，sram存储芯片选型要点
在半导体存储芯片领域，SRAM（静态随机存取存储器）一直以高速、低延迟的特性占据着独特位置。与需要不断刷新的DRAM不同，SRAM采用4T或6T晶体管构成的双稳态触发器结构，只要通电就
PSRAM与DRAM/SRAM相比的优势是什么？
PSRAM本质上是一种自带刷新电路的DRAM，其存储单元采用1T+1C结构（一个晶体管加一个电容），相较于传统SRAM的6T结构，在相同芯片面积下能够实现更高的存储密度，单位成本也显著降低。根据行业
国产芯片伪SRAM存储器psram
机制，即可像操作标准异步SRAM一样进行读写。虽然存储单元依然基于DRAM的电容结构，需要定期刷新以维持数据稳定性，但得益于内部集成刷新电路，伪SRAM实现了“免刷新操作”的体验，大幅
并行sram芯片介绍,并行sram芯片应用场景
，因独特的高带宽接口，在众多要求严苛的场景中发挥着不可替代的作用。与串行接口的SRAM相比，并行SRAM最显著的特征在于其采用了并行数据总线进行传输。这种接口通常具备多根地址线与数据线，能够与
穿孔机顶头检测仪 机器视觉深度学习
LX01Z-DG626穿孔机顶头检测仪采用深度学习技术，能够实现顶头状态的在线实时检测，顶头丢失报警，顶头异常状态报警等功能，响应迅速，异常状态视频回溯，检测顶头温度，配备吹扫清洁系统，维护周期长
发表于 12-22 14:33
如何深度学习机器视觉的应用场景
深度学习视觉应用场景大全 工业制造领域 复杂缺陷检测：处理传统算法难以描述的非标准化缺陷模式 非标产品分类：对形状、颜色、纹理多变的产品进行智能分类 外观质量评估：基于学习的外观质量标
双口SRAM静态随机存储器存储原理
在各类存储设备中，SRAM（静态随机存储器）因其高速、低功耗和高可靠性，被广泛应用于高性能计算、通信和嵌入式系统中。其中，双口SRAM静态随机存储器凭借其独特的双端口设计，在高带宽和多任务
SRAM是什么,SRAM的芯片型号都有哪些
在处理器性能持续攀升的今天，存储系统的速度已成为制约整体算力的关键瓶颈之一。作为最接近CPU核心的存储单元，SRAM（静态随机存取存储器）承担着高速缓存的重要角色，其性能直接影响数据处理
PSRAM融合SRAM与DRAM优势的存储解决方案
PSRAM（伪静态随机存储器）是一种兼具SRAM接口协议与DRAM内核架构的特殊存储器。它既保留了SRAM无需复杂刷新控制的易用特性，又继承了DRAM的高密度低成本优势。这种独特的设计使PSRAM在嵌入式系统和移动设备领域获得了
深度学习对工业物联网有哪些帮助
、实施路径三个维度展开分析： 一、深度学习如何突破工业物联网的技术瓶颈？ 1. 非结构化数据处理：解锁“沉睡数据”价值 传统困境 ：工业物联网中70%以上的数据为非结构化数据（如设备振动波形、红外图像、日志文本），传统方法难以
瑞芯微NPU使用攻略
RKNPU概述RKNPU（RockchipNeuralProcessingUnit）是瑞芯微（Rockchip）公司专为神经网络处理设计的硬件加速单元，旨在提升人工智能和机器学习任务的
新能源车软件单元测试深度解析：自动驾驶系统视角
。
自动驾驶软件的特殊性
感知层： 激光雷达、摄像头等传感器数据处理算法的单元测试需覆盖极端场景。例如，激光雷达点云滤波算法在雨雪天气下的噪声抑制能力需通过边界测试验证。某厂商曾在测试中遗漏
发表于 05-12 15:59
TPU处理器的特性和工作原理
张量处理单元（TPU，Tensor Processing Unit）是一种专门为深度学习应用设计的硬件加速器。它的开发源于对人工智能（AI）和机器学
评论