BriefGPT - AI 论文速递
·
一种可配置和高效的神经网络硬件加速器内存层次结构
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文介绍了利用低功耗嵌入式硬件的超高维可重构分析系统HyDRATE。该系统利用无MAC深度神经网络和超维计算加速器在边缘执行实时重新配置。通过算法、训练模型和特征提取实现超高纬度基于逻辑的分类器，并展示了性能随超维数增加而提高的情况。介绍了低功耗FPGA硬件和嵌入式软件系统，以及硬件加速器和系统延迟、功耗噪声稳健性等方面的讨论。通过与模拟系统性能比较，展示了在相同数据集上的重新配置。使用边缘的少量学习新课程，使用无梯度下降反向传播仅通过重新训练前馈超高维分类器实现该系统的重构性。
🎯
关键要点
- 介绍了超高维可重构分析系统HyDRATE，利用低功耗嵌入式硬件。
- 系统使用无MAC深度神经网络和超维计算加速器在边缘执行实时重新配置。
- 通过算法、训练模型和特征提取实现超高纬度基于逻辑的分类器，性能随超维数增加而提高。
- 讨论了低功耗FPGA硬件和嵌入式软件系统，以及硬件加速器的系统延迟和功耗噪声稳健性。
- 通过视频活动分类任务比较实际与模拟系统性能，展示在相同数据集上的重新配置。
- 使用边缘的少量学习新课程，通过无梯度下降反向传播重新训练前馈超高维分类器实现系统的重构性。
🏷️
标签
➡️
