PulseAugur
中
实时 09:19:02
English(EN) Optimizing Binary and Ternary Neural Network Inference on RRAM Crossbars using CIM-Explorer

新工具包优化RRAM交叉阵列上的神经网络推理

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了CIM-Explorer，一个旨在优化二元和三元神经网络（BNN和TNN）在阻变随机存取存储器（RRAM）交叉阵列上运行时性能的新工具包。该工具通过提供端到端的编译器堆栈、多种映射选项和用于设计空间探索（DSE）的模拟器，解决了现有软件的局限性。CIM-Explorer旨在协助整个设计过程，从早期精度估算到为最终的RRAM芯片编译网络，并可在GitHub上获取。 AI

影响 该工具包可以提高在专用硬件上部署神经网络的效率，从而可能加速依赖RRAM交叉阵列的AI应用。

排序理由 这是一篇研究论文，详细介绍了一个用于优化特定硬件上神经网络推理的新软件工具包。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新工具包优化RRAM交叉阵列上的神经网络推理

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Rebecca Pelke, Jos\'e Cubero-Cascante, Nils Bosbach, Niklas Degener, Florian Idrizi, Lennart M. Reimann, Jan Moritz Joseph, Rainer Leupers ·

    使用CIM-Explorer优化RRAM交叉阵列上的二元和三元神经网络推理

    arXiv:2505.14303v3 Announce Type: replace-cross Abstract: Using Resistive Random Access Memory (RRAM) crossbars in Computing-in-Memory (CIM) architectures offers a promising solution to overcome the von Neumann bottleneck. Due to non-idealities like cell variability, RRAM crossba…

相关实体

相关话题