Design space exploration

新框架优化CPU-CIM系统中的机器学习工作负载划分

研究人员开发了一个新的框架，用于在中央处理器（CPU）和计算内存（CIM）加速器之间划分机器学习工作负载。该框架通过考虑阻变随机存取存储器（RRAM）的约束、并行性和CPU作为补充资源的角色，解决了现有方法的局限性。提出的基于整数线性规划（ILP）的方法可以最小化推理延迟，并已显示出显著的加速效果，在边缘CPU上实现了高达30.9倍的CPU独立执行速度，在高性能CPU上实现了7.3倍的速度。