混合精液的备忘录和SRAM计算机AI处理器

　　人工智能（AI）边缘设备1,2,3,4,5,6,7,8,9,10,11212需求高精度能源有效计算，大型芯片模型存储，快速唤醒到响应时间和成本效益的铸造型解决方案。浮点（FP）计算以超过整数（INT）格式的精度为高功率和存储开销的成本。多级细胞（MLC）Memristor Compute-In-Memory（CIM）13,14,15提供紧凑的非挥发性存储和能效计算，但由于过程变化而易于准确损失。数字静态随机记忆（SRAM）-CIM16,17,18,19,20,21,22启用无损计算；但是，由于大量细胞区域的储存量很低，并且在推断过程中需要进行模型加载。因此，使用均匀的CIM架构和计算格式的常规方法在效率，存储，唤醒潜伏期和推理准确性之间实现了权衡。在这里，我们提出了混合精液异质AI EDGE处理器，该处理器支持芯片CIM架构中网络层的层粒/核粒度分区（即Memristor-CIM，SRAM-CIM和TININE-DIGITAL单位）和计算号格式（INT和FP）（INT和FP）（基于敏感性）。这种层粒/内核粒度灵活性允许在硬件级别的二维设计空间内同时优化。The proposed hardware achieved high energy efficiency (40.91 TFLOPS W−1 for ResNet-20 with CIFAR-100 and 28.63 TFLOPS W−1 for MobileNet-v2 with ImageNet), low accuracy degradation (<0.45% for ResNet-20 with CIFAR-100 and for MobilNet-v2 with ImageNet) and rapid wakeup-to-response time（373.52μs）。

本文来自作者[admin]投稿，不代表象功馆立场，如若转载，请注明出处：https://m1.xianggongguan.cn/zskp/202506-556.html