BriefGPT - AI 论文速递
·
OpenDPD: 一个用于宽带功放建模和数字前置失真的开源端到端学习和基准测试框架
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
参数化机器学习加速器通过硬件加速深度神经网络和非神经网络的机器学习算法进行设计空间探索。实验结果表明，该方法能准确地预测后端 PPA 和系统指标。
🎯
关键要点
- 参数化机器学习加速器通过硬件加速深度神经网络和非神经网络的机器学习算法进行设计空间探索。
- 采用物理设计驱动的学习预测框架，结合后端功耗、性能和面积分析以及前端性能模拟。
- 实现对后端 PPA 和运行时能耗等系统指标的真实估计。
- 引入完全自动化的设计空间探索技术，通过自动搜索架构和后端参数来优化指标。
- 实验结果显示，该方法在 VTA 和 VeriGOOD-ML 平台的 ASIC 实现中，预测误差平均为 7% 或更低。
➡️
