PulseAugur
中
实时 21:14:01
English(EN) ThRIve: Thermally Robust CNN Inference via Low-Rank Adaptation in Heterogeneous PIM Architectures

新的 ThRIve 方法提高了 PIM 架构中 CNN 推理的热鲁棒性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 ThRIve，一种新颖的训练方法，旨在提高卷积神经网络 (CNN) 在处理内存 (PIM) 架构上的推理热鲁棒性。该方法利用低秩自适应选择性地将参数存储在不易受热噪声影响的硬件上，从而在宽工作温度范围内保持一致的推理精度。与传统的基于 SRAM 的 PIM 系统相比，启用 ThRIve 的系统已显示出精度变化在理想无噪声性能的 2% 以内，并提供显著的能耗延迟乘积降低。 AI

影响 提高了专用硬件上 CNN 推理的可靠性和效率，可能促进 PIM 在机器学习领域的更广泛应用。

排序理由 这是一篇详细介绍提高硬件架构性能的新方法的 ist 研究论文。[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 →

新的 ThRIve 方法提高了 PIM 架构中 CNN 推理的热鲁棒性

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Vibhanshu Sharma, Pratyush Dhingra, Janardhan Rao Doppa, Partha Pratim Pande ·

    ThRIve：异构 PIM 架构中通过低秩自适应实现热鲁棒 CNN 推理

    arXiv:2607.17091v1 Announce Type: cross Abstract: Processing-In-Memory (PIM) has emerged as a promising technology for accelerating machine learning (ML) workloads. Specifically, non-volatile memory-based PIM architectures have enabled effective ML acceleration due to their abili…

相关实体

相关话题