PulseAugur
中
实时 10:27:05
English(EN) Hardware-Software Co-Design for Float16 On-Device Training on RISC-V Single-Core

新框架支持RISC-V上的Float16片上AI训练

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个开源框架，支持在资源受限的RISC-V单核处理器上使用float16精度进行AI模型的片上训练。该方法利用了Zfh和Zvfh等标准RISC-V扩展，可在对模型性能影响最小的情况下将内存占用减小约50%。该框架还具备层冻结功能，以支持迁移学习和微调场景，并基于AIfES嵌入式系统框架构建。 AI

影响 使得更高效的片上AI模型训练成为可能，尤其适用于资源有限的边缘计算应用。

排序理由 该条目是一篇学术论文，详细介绍了用于片上AI训练的新软硬件协同设计。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

新框架支持RISC-V上的Float16片上AI训练

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Benjamin Hubinet, Pierre-Alain Moellic, Olivier Savry, Olivier Potin, Jean-Baptiste Rigaud ·

    用于 RISC-V 单核上的 Float16 端侧训练的软硬件协同设计

    arXiv:2607.21130v1 Announce Type: cross Abstract: By leveraging standard RISC-V extensions, namely Zfh (scalar float16) and Zvfh (vector float16), this work proposes an open-source framework to enable complete on-device training on resource-constrained RISC-V single-core. Our app…

相关实体

相关话题