PENDRAM：通过通用 DRAM 数据映射策略实现深度神经网络的高性能和能量效率处理
原文中文，约1500字，阅读约需4分钟。
📝
内容提要
本文介绍了针对深度神经网络（DNN）优化的硬件架构和算法，如NicePIM、TIMELY和DDC-PIM，旨在提高能效、降低延迟和能耗。这些方案在性能和资源利用上优于传统方法，促进了深度学习在边缘设备和数据中心的应用。
❓
Q&A
NicePIM 的主要功能是什么？
NicePIM 是一种针对 DRAM-PIM 加速器的硬件架构，旨在优化 DNN 映射，降低时延和能耗。
TIMELY 如何提高能效？
TIMELY 通过模拟数据局部性和时域接口，采用仅一次输入读取的映射方法，显著提高能效。
DDC-PIM 的优势是什么？
DDC-PIM 通过最大化 SRAM 单元的数据容量，实现 MobileNetV2 和 EfficientNet-B0 的显著加速，且无明显准确度损失。
ODiMO 是什么，它的作用是什么？
ODiMO 是一种硬件感知工具，用于精细映射不同加速器，以降低 DNN 推理的能量消耗或延迟。
如何通过混合量化方案平衡 CNN 的能效和内存占用？
混合量化方案可以优化权重量化策略，从而在精度、能耗和内存要求之间实现更好的平衡，节省高达 37% 的能量。
使用 eDRAM 作为训练数据存储介质的好处是什么？
使用 eDRAM 可以减少 DNN 训练的能耗，并在验证精度上实现类似或更好的性能。
🏷️
