该文综述了利用存内计算（PIM）优化机器学习与数据中心架构的研究，涵盖嵌入式表缓存、混合维度嵌入、NicePIM、MTrainS、NeuroCluster、AutoDim、MANN及eDRAM边缘训练等方案，通过算法与硬件协同设计降低内存占用与能耗，提升训练效率与加速效果。

SmartExchange是一种用于深度神经网络的算法-硬件协同设计框架，通过稀疏化、分解和量化三种主流模型压缩思想，得到稀疏、易于量化的DNN，具有极低的能耗和存储空间需求。同时，该研究还设计了一个专用加速器，可改进深度神经网络的能效和延迟表现。