Joejwu的博客

1、A 0.62mW Ultra-Low-Power Convolutional-NeuralNetwork Face-Recognition Processor and a CIS Integrated with Always-On Haar-Like Face Detectorisscc2017下图即为TSRAM的具体结构，添加了一个解耦MOS管，其源端、漏断分别连接到图中所示的蓝色与红色线；与正常SRAM一样采用行读取模式时，这两根线分别为H_RDWL与H_RDBL;此时进行读取，则H

Note：因为只是笔者的阅读记录，所以内容组织上较为混乱！（如有错误，可评论指出！谢谢！）1、FoM指的是品质因子，Figure Of Merit一般来说，FOM值越大，性能就越高；本文中给出的计算公式FoM (IN-precision × W-precision × output-ratio × output-channel × EF/tAC)2、MACV即MAC value3、电容C = 电荷量Q/电压V；4、一个想法，结合SBCS部分的操作展开，这里为了得出每个

Note：因为只是笔者的阅读记录，所以内容组织上较为混乱！1、2's complement此即二补数，是一种用二进制表示有号数的方法，也是一种将数字的正负号变号的方式，常在计算机科学中使用。在中国大陆地区通常称作补码。 一个数字的二补数就是将该数字作位反相计算（即一补数），再将结果加 1，即为该数字的二补数。在二补数系统中，一个负数就是用其对应正数的二补数来表示。2、ppt图里面的MACV字母下面的12~20代表的意思是，在HMACRB模块输出的值的位宽，当输入激活值与权值都是4bit的

一、剪枝分类 目前常见的模型剪枝算法主要分成两类，即非结构化剪枝与结构化剪枝；在不少的神经网络加速器中已经应用了这些剪枝算法，早期常见的是非结构化剪枝，例如MIT的韩松组的前几年的相关工作中就有此类应用，但是在设计中采用的特殊数据格式和额外的编码/解码会带来额外的硬件开销； 这在基于传统系统架构的情况下，利用非结构化剪枝或者可以为NN模型的计算起到加速的作用，但是在存内计算架构下，基于ReRAM或SRAM这类紧耦合的电路结构中将很难去利用网络中存在的稀疏特征； ...

存算一体化架构设计以各种传统工艺（如SRAM、NorFlash）或新型忆阻器工艺（如FeRAM、ReRAM、PCM和MRAM）制作器件构建存储阵列，将神经网络权值参数直接存储在阵列内部，并以模拟信号的形式并行执行大规模矩阵乘法。以典型的存算一体化硬件架构为例，向量以电压形式驱动阵列字线（行），利用电压乘以电导（按照DNN的权值对忆阻器阻值进行编程）等于电流，并且电流在位线（列）自然汇聚相加的电流定律，一次读操作即可完成向量与矩阵的乘加操作。这种方法不但提高了矩阵乘法的并行度，而且避免了反...