研究人员开发了 hls4ml 工具包的扩展，以支持在现场可编程门阵列 (FPGA) 上部署脉冲神经网络 (SNN)。这项新功能允许对在 PyTorch 中训练的 SNN 进行时钟驱动的推理，提供低延迟的时间处理。该系统在量化 SNN 上展示了大约 34 微秒的推理时间，为实时应用的 SNN 模型进行了简化优化和部署铺平了道路。 AI
影响 实现了在 FPGA 上对脉冲神经网络进行低延迟推理，可能提高实时处理能力。
排序理由 该集群包含一篇学术论文，详细介绍了在硬件上部署特定类型神经网络的新方法。
在 arXiv cs.NE (Neural & Evolutionary) 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.10008v1 Announce Type: cross Abstract: Spiking Neural Networks (SNNs) provide a naturally temporal machine-learning framework. Their neurons maintain an internal state and propagate information through discrete spikes, enabling low-latency temporal inference. Although …
Spiking Neural Networks (SNNs) provide a naturally temporal machine-learning framework. Their neurons maintain an internal state and propagate information through discrete spikes, enabling low-latency temporal inference. Although SNNs are often associated with asynchronous neurom…