文獻(xiàn)標(biāo)識(shí)碼: A
DOI: 10.19358/j.issn.2096-5133.2021.06.012
引用格式: 丁士鵬,,黃魯. 基于NOR Flash的存算一體模擬乘加電路設(shè)計(jì)[J].信息技術(shù)與網(wǎng)絡(luò)安全,2021,,40(6):69-74.
0 引言
隨著對(duì)人工智能研究的不斷深入,,深度學(xué)習(xí)正成為訓(xùn)練機(jī)器實(shí)現(xiàn)智能的重要研究方法。在深度學(xué)習(xí)中,,有著大量的輸入數(shù)據(jù),、網(wǎng)絡(luò)參數(shù)以及乘累加運(yùn)算[1]。
在以馮·諾依曼為主流的存算分離架構(gòu)中,,計(jì)算單元與內(nèi)存單元數(shù)據(jù)搬運(yùn)的時(shí)延和功耗開銷越來(lái)越成為深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)所面臨的一個(gè)嚴(yán)峻問(wèn)題[2],,嚴(yán)重制約著深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的應(yīng)用。以應(yīng)用深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的AlphaGo為例,,其在進(jìn)行每一局的圍棋活動(dòng)中,,用電成本約為3 000美元[3],對(duì)于大多數(shù)智能設(shè)備而言,,是無(wú)法接受的,。面對(duì)傳統(tǒng)存算架構(gòu)在深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)運(yùn)算中的功耗與速度瓶頸,采用存算一體的架構(gòu)成為現(xiàn)階段解決帶寬與功耗問(wèn)題的一條有效途徑,。
本文詳細(xì)內(nèi)容請(qǐng)下載:http://forexkbc.com/resource/share/2000003603
作者信息:
丁士鵬,,黃 魯
(中國(guó)科學(xué)技術(shù)大學(xué) 微電子學(xué)院,,安徽 合肥230026)