在_memristor交叉阵列上实现大型语言模型的能源高效部署：大与小的协同

BriefGPT - AI 论文速递 · 2024-10-21T00:00:00Z

本研究提出了一种结合忆阻器和忆容器交叉阵列的深度神经网络设计框架，使用Python和PyTorch实现。在8层VGG网络上，CIFAR-10数据集的训练准确率达到90.02%和91.03%。通过运算跨导放大器和电容器模拟忆感器设备，功耗为0.337 mW，并在神经形态电路中验证，训练和测试准确率分别为91.04%和88.82%。研究展示了高效机器学习硬件的潜力。