- 1、本文档共72页,其中可免费阅读22页,需付费100金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
摘要
众所周知,芯片的性能在很大程度上受到工艺制程的影响。近年来由于摩尔
定律的逐渐放缓,使得计算芯片难以依靠制程的发展而提高性能,但是另一方面
深度学习的发展使得其对算力的需求迅速增长。因此需要重新思考新的体系结构
来解决现在越来越大的算力需求和由于半导体工艺制约导致的计算芯片的性能
增长达到瓶颈的问题。
目前传统的神经网络加速器在加速神经网络的时候往往不能兼顾性能和灵
活性。即使目前性能最强的基于ASIC的加速器,由于其定制化极高,在面对新
的神经网络算法时会有可重用性低,灵活性
文档评论(0)