研究人员开发了一个统一的框架，用于神经网络处理器的端到端协同设计，集成了网络训练、芯片映射、制造和资源分配。该方法将不确定性视为一种可优化的资源，在成本、时间和功耗之外引入了“置信度”。该框架的模块化设计允许在不进行结构性更改的情况下独立优化每个组件，三个案例研究验证了其恢复帕累托最优实现和适应设计改进的能力。 AI
影响 为神经网络中的软硬件协同设计引入了一种新颖的方法，有望实现更高效、更可靠的AI硬件。
排序理由 这是一篇研究论文，详细介绍了设计神经网络处理器的新框架。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Uncertainty-Aware End-to-End Co-Design of Neural Network Processors: From Training and Mapping to Fabrication
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →