![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
人工智能
文章平均质量分 71
uestc_Venn
忆阻器、半导体物理、二维纳米材料、神经网络、深度学习、机器学习、算法设计等
展开
-
Crossbar阵列的电路结构及其基本原理
忆阻器Crossbar阵列是一种先进的神经网络硬件实现技术,它利用忆阻器的物理特性来模拟神经网络中的突触连接,为人工智能和机器学习应用提供了一种高效、低能耗的计算平台。本文将深入探讨忆阻器Crossbar阵列的基本原理及其在Read(读取)和Update(更新)阶段的工作机制。原创 2024-03-04 20:40:08 · 1811 阅读 · 0 评论 -
Vision Transformer(ViT-Base-16)处理CIFAR-100模式识别任务(基于Pytorch框架)
ViT-B-16是Vision Transformer(ViT)模型的一个变体,由Google在2020年提出。ViT模型是一种应用于图像识别任务的Transformer架构,它采用了在自然语言处理(NLP)中非常成功的Transformer模型,并将其调整以处理图像数据。原创 2024-02-28 15:06:54 · 5019 阅读 · 7 评论 -
忆阻器芯片STELLAR权重更新算法(清华大学吴华强课题组)
学习对于边缘智能设备适应不同的应用场景和所有者非常重要。目前用于训练神经网络的技术需要在计算和存储单元之间移动大量数据,这阻碍了在边缘设备上实现学习。我们开发了一种完全集成的忆阻器芯片,具有改进的学习能力和低能耗。STELLAR架构中的方案,包括其学习算法、硬件实现和并行电导调谐方案,是通过使用忆阻器交叉阵列来促进片上学习的一般方法,而不管忆阻器器件的类型。在这项研究中执行的任务包括运动控制,图像分类和语音识别。原创 2024-01-09 21:02:22 · 1280 阅读 · 0 评论 -
torch.where()函数
是 PyTorch 提供的条件选择函数,它允许你基于条件张量的真值元素来选择来自两个数据张量的元素。它的工作方式类似于 Python 的三元条件表达式,但其功能在处理大型张量时显得尤为强大。是 PyTorch 中的一个非常有用的工具,它提供了一种高效、可读性强的方式来处理条件逻辑。通过掌握,你可以简化你的代码,加快开发过程,并提高模型的性能。希望本文能帮助你更好地理解和使用这个功能强大的函数。原创 2024-01-07 00:23:28 · 1055 阅读 · 0 评论 -
言简意赅!Python中生成混淆矩阵并保存至Excel的教程和实用代码
【代码】言简意赅!Python中生成混淆矩阵并保存至Excel的教程。原创 2023-12-07 01:40:24 · 797 阅读 · 0 评论 -
深入理解图像数据集的标准化:为什么选择transforms.Normalize((0.485, 0.456, 0.406), (0.229, 0.224, 0.225))
在深度学习中,尤其是处理图像数据时,数据标准化(Normalization)是一项关键的预处理步骤。它涉及调整和缩放数据,以便数据集具有具有零均值和单位方差的特性。在各种图像处理的库和框架中,我们经常看到transforms.Normalize((0.485, 0.456, 0.406), (0.229, 0.224, 0.225))这样一个特定的参数组合。让我们一探究竟,这个参数组合是如何被发现的,它代表什么,以及为什么它如此重要。原创 2023-12-01 20:46:14 · 862 阅读 · 0 评论 -
基于梯度下降原理的电控神经形态器件电导分配结论
对于存在多阻态特性的栅极激励的三端器件和电脉冲激励的二端器件(例如:CIPS/CBPS/CVPS等),根据欧姆定律及阻态的非负性的限制,神经突触的权重必须依靠一对器件来实现其功能,通常采用差分对进行编码,如下式所示。原创 2023-10-24 16:13:05 · 71 阅读 · 0 评论 -
使用GPU加速大数据列表的条件掩码运算的方法(基于PyTorch框架)
当我们需要对一个较大规模列表(list)按照一定条件对其中的元素进行提取并进行特定运算时,可以尝试条件掩码的方法,即预先生成掩码算子,再将掩码算子作用到原列表后对列表内的数据进行提取。这个过程在CPU上是可行的,但当数据量非常大时(例如将神经网络模型参数保存到列表中,此时的列表长度通常是上万甚至上百万个的),会使得CPU承受很大的负担,且运算速度非常慢。下面用示例代码举例。本人在长度接近50万的原列表上进行双条件掩码操作,转移到GPU上后,相比于CPU,运算速度提升了9倍以上!原创 2023-09-20 21:43:57 · 124 阅读 · 1 评论 -
为什么忆阻器或二端器件有望成为未来芯片的主流器件?
首先,根据我个人对忆阻器的理解与认识,我认为应当参考如下几点:(1)基础性:根据忆阻器之父蔡少棠教授的理论[1],忆阻器(全称记忆电阻器,Memristor)是人类发现的第四种基本电子元件,它由磁通量(或电压在时间上的积分)与电荷量共同决定,数值上等于磁通量对电荷量的一阶微分,忆阻器会记忆流经它的所有电荷的信息。因此忆阻器非常具有研究价值,并且拥有不可估量的潜在研究价值;(2)集成性:二端器件可通过crossbar方法实现超大规模集成的可编程性阵列;原创 2023-09-14 19:34:37 · 381 阅读 · 1 评论 -
忆阻器(Memristor)——入门知识
在忆阻器领域,φ最好理解为电压对时间的积分,因为忆阻器的物理机制与磁场的关系不大。忆阻器能够通过电阻值的变化记忆流经的电荷或磁通量。原创 2023-09-11 15:56:58 · 2675 阅读 · 1 评论 -
Pytorch框架下使用多台GPU的数据并行运算的指令
【代码】Pytorch框架下使用多台GPU的数据并行运算的指令。原创 2023-09-11 11:21:17 · 204 阅读 · 0 评论 -
PlotNeuralNet函数与参数表
【代码】PlotNeuralNet函数与参数表。原创 2023-09-03 02:00:32 · 229 阅读 · 0 评论 -
神经网络可视化工具Zetane的使用方法
神经网络可视化工具Zetane原创 2023-09-02 15:39:49 · 445 阅读 · 4 评论