中文 英语

边缘的机器学习


将机器学习推向边缘对功率和性能有关键要求。使用现成的解决方案是不实际的。cpu太慢,gpu / tpu昂贵且消耗太多能量,甚至通用的机器学习加速器也可能过度构建,而不是最优的能量。在本文中,学习如何创建新的功率/内存高效硬件架构,以满足n…»阅读更多

Kria K26 SOM:边缘视觉AI的理想平台


随着人工智能(AI)和机器学习(ML)算法的各种进步,许多高计算应用现在被部署在边缘设备上。因此,需要一种高效的硬件,能够有效地执行复杂的算法,并适应这项技术的快速增强。Xilinx的Kria K26 SOM设计用于解决执行的需求…»阅读更多

开发人员转向模拟神经网络


机器学习(ML)解决方案正在广泛的行业中扩散,但是绝大多数的商业实现仍然依赖于数字逻辑的解决方案。除了内存计算之外,模拟解决方案大多局限于大学和神经形态计算的尝试。然而,这种情况正在开始改变。“Everyon…»阅读更多

用硬件信任根保护AI/ML


AI/ML(人工智能/机器学习)现在遍及所有行业。它有助于合理化和利用由当前巨大的数字化浪潮提供的海量信息。数字化正在改变使用数字技术经营业务和创造价值的方式。数据是人工智能/ML和深度学习算法的原材料。»阅读更多

芯片复杂性和未知数的陡增


在一个芯片或一个封装中塞入更多不同类型的处理器和内存,导致未知的数量和这些设计的复杂性急剧上升。将所有这些不同的设备组合到一个SoC或高级封装中有很好的理由。它们增加了功能,可以提供性能和能力上的重大改进,这是不再只是b…»阅读更多

EDA中ML的障碍


EDA是利用机器学习(ML)的合适空间吗?答案取决于许多因素,包括具体应用在哪里,有多少来自行业的支持,是否有明显的优势。ML究竟将在何处发挥作用还有待决定。例如,用机器学习取代现有的启发式算法将需要全行业的……»阅读更多

制造钻头:4月27日


欧洲联盟(EU)已经启动了一个新项目,开发下一代神经形态计算系统设备。这个项目被称为mems - scales,计划开发一种新型的算法、设备和电路来重现生物神经系统的多时间尺度处理。研究结果将用于构建神经形态计算系统。»阅读更多

限制AI系统的功能


新技术和方法开始应用于人工智能和机器学习,以确保它们在可接受的参数内运行,只做它们应该做的事情。让AI/ML/DL系统工作是近年来最大的技术飞跃之一,但了解如何在它们适应时控制和优化它们还远远不够。这些系统是通用的…»阅读更多

在晶圆厂使用人工智能的应用和挑战


专家在桌边:半导体工程坐下来讨论芯片规模、晶德赢娱乐网站【官方平台】体管、新架构和封装,Jerry Chen,英伟达制造和工业全球业务发展主管;David Fried, Lam Research计算产品副总裁;Mark Shirey, KLA营销和应用副总裁;以及D2S首席执行官藤村明。Wh……»阅读更多

更多数据驱动器关注IC能效


计算工作量变得越来越相互依赖,提高了芯片架构师的复杂程度,因为他们要确定计算应该在哪里进行,以及如何优化它以减少能源利润。在基本层面上,现在有更多的数据需要计算,得到结果的紧迫性也更大。这种情况迫使我们重新思考应该移动多少数据。»阅读更多

←旧的文章