一款采用单位元精度的深度学习推论(inference)芯片原型.doc
《一款采用单位元精度的深度学习推论(inference)芯片原型.doc》由会员分享,可在线阅读,更多相关《一款采用单位元精度的深度学习推论(inference)芯片原型.doc(3页珍藏版)》请在三一文库上搜索。
1、一款采用单位元精度的深度学习推论(inference)芯片原型比利时研究机构Imec在近日举行的年度技术论坛(ITF BELGIUM 2018)上透露,该机构正在打造一款采用单位元精度的深度学习推论(inference)芯片原型;Imec并期望在明年收集采用创新资料型态与架构采用存储器内处理器(processor-in-memory,PIM),或是Analog存储器结构(analog memory fabric)的客户端装置有效性资料。学术界已经研究PIM架构数十年,而该架构越来越受到资料密集的机器演算法欢迎,例如新创公司Mythic以及IBM Research都有相关开发成果。许多学术研究机
2、构正在实验14位元的资料型别(data type),以减轻深度学习所需的沉重存储器需求;到目前为止,包括Arm等公司的AI加速器商用芯片设计都集中在8位元或更大容量的资料型别,部分原因是编程工具例如Google的TensorFlow缺乏对较小资料型别的支援。Imec拥有在一家晶圆代工厂制作的40nm制程加速器逻辑部份,而现在是要在自家晶圆厂添加一个MRAM层;该机构利用SRAM模拟此设计的性能,并且评估5nm节点的设计规则。此研究是Imec与至少两家匿名IDM业者伙伴合作、仍在开发阶段的专案,从近两年前展开,很快制作了采用某种电阻式存储器(ReRAM)的65nmPIM设计原型。该65nm芯片并
3、非锁定深度学习演算法,虽然Imec展示了利用它启动一段迷人的电脑合成音乐;其学习模式是利用了根据以音乐形式呈现、从感测器所串流之资料的时间序列分析(time-series analysis)。而40nm低功耗神经网路加速器(Low-Energy Neural Network Accelerator,LENNA)则会锁定深度学习,在相对较小型的MRAM单元中运算与储存二进位权重。Imec技术团队的杰出成员Diederik Verkest接受EE Times采访时表示:我们的任务是定义出我们应该利用新兴存储器为机器学习开发什么样的半导体技术或许我们会需要制程上的调整,以取得最佳化结果。该机构半导体
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 一款 采用 位元 精度 深度 学习 推论 inference 芯片 原型
链接地址:https://www.31doc.com/p-3363560.html