存内计算
0 人感兴趣 · 4 次引用
- 最新
- 推荐
RRAM 机制、材料及其在神经形态计算中的应用
近年来，RRAM 因其结构简单、保持时间长、运行速度快、超低功耗运行能力、能够在不影响器件性能的情况下扩展到更低的尺寸以及可进行三维集成的可能性而日益受到重视。过去几年的研究表明，RRAM 是后 CMOS 时代设计高效、智能和安全计算系统的最合适候选者之一
基于 SRAM 的存内计算助力实现节能 AI
本期内容介绍有关功耗的相关问题。随着AI模型的复杂性和规模的不断增长，相应的功耗问题也逐渐凸显。在这个背景下，存内计算技术成为降低AI系统功耗的重要解决方案之一。本文将深入探讨基于SRAM（静态随机存取存储器）的存内计算，旨在详细解释存内计算
深度神经网络中的 BNN 和 DNN：基于存内计算的原理、实现与能量效率
深度神经网络（DNN）在机器学习领域越来越受欢迎，其在一系列任务中展现出最先进的性能。为了达到最佳结果，通常需要大量的训练数据和大型模型，从而使得训练和推理过程变得复杂。尽管图形处理单元（GPU）在许多应用中被用于提供并行计算能力，但较低能耗的平
窥探向量乘矩阵的存内计算原理—基于向量乘矩阵的存内计算
在当今计算领域中，存内计算技术凭借其出色的向量乘矩阵操作效能引起了广泛关注。本文将深入研究基于向量乘矩阵的存内计算原理，并探讨几个引人注目的代表性工作，如DPE、ISAAC、PRIME等，它们在神经网络和图计算应用中表现出色
