文献笔记（4）(2018ISSCC 13.3)

最新推荐文章于 2024-04-23 13:57:39 发布
最新推荐文章于 2024-04-23 13:57:39 发布
阅读量703 收藏
点赞数
分类专栏： NPU
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/tiaozhanzhe1900/article/details/83141183
版权
本文介绍了UNPU，一个支持1b到16b权重位精度的统一深度神经网络加速器。它由4个DNN核心、一个聚合核心、1D SIMD核心和RISC控制器组成，采用LUT为基础的位串行处理元素，减少了离片内存访问，并实现了CNN、RNN/FC层的高效映射。
摘要由CSDN通过智能技术生成

文章目录

  • 题目：UNPU: A 50.6TOPS/W Unified Deep Neural Network Accelerator with 1b-to-16b Fully-Variable Weight Bit-Precision
  • 时间：2018
  • 会议：ISSCC(13.3)
  • 研究机构：KAIST韩国科学技术院

1 英文缩写

  • CL: convolutional layer
  • FCL: fully-connected layer
  • RL: recurrent layer
  • PE: processing element
  • UNPU: unified neural processing unit
  • IF: input feature
  • LBPE: lookup-table-based bit-serial PE
  • AFL: aligned feature loader
  • OF: output feature

2 overall architecture

In this paper, we present a unified neural processing unit (UNPU) supporting CLs, RLs, and FCLs with fully-variable weight bit-precision from 1b to 16b.

  • reuse of input feature
  • the lookup-table-based bit serial PE is implement for energy-optimal DNN operations with variable-weight bit-precisions from 1b to 1
最低0.47元/天 解锁文章
tiaozhanzhe1900
关注
专栏目录
KAIST 电子工程系半导体实验室ISSCC会议发表的文章（Deep-Learning Processor）
sinat_33705291的博客
06-05 621
Semiconductor System Lab. School of EE, KAIST 韩国科学技术院（Korea Advanced Institute of Science and Technology,KAIST) Kang, Sanghoon, et al. “7.4 GANPU: A 135TFLOPS/W Multi-DNN Training Processor for GANs with Speculative Dual-Sparsity Exploitation.” 2020 IEEE I
ISSCC2018文章合集
08-23
ISSCC2018文章合集
isscc 2018 .part1 所有 的第一部分
06-29
ISSCC2018_short_course ISSCC2018论文合集 ISSCC2018-01_Visuals.pdf ISSCC2018-02_Visuals.pdf ISSCC2018-03_Visuals.pdf ISSCC2018-04_Visuals.pdf ISSCC2018-05_Visuals.pdf ISSCC2018-06_Visuals.pdf ISSCC2018-07_Visuals.pdf ISSCC2018-08_Visuals.pdf ISSCC2018-09_Visuals.pdf ISSCC2018-10_Visuals.pdf ISSCC2018-11_Visuals.pdf ISSCC2018-12_Visuals.pdf ISSCC2018-13_Visuals.pdf ISSCC2018-14_Visuals.pdf ISSCC2018-15_Visuals.pdf ISSCC2018-16_Visuals.pdf ISSCC2018-17_Visuals.pdf ISSCC2018-18_Visuals.pdf ISSCC2018-19_Visuals.pdf ISSCC2018-20_Visuals.pdf ISSCC2018-21_Visuals.pdf ISSCC2018-22_Visuals.pdf ISSCC2018-23_Visuals.pdf ISSCC2018-24_Visuals.pdf ISSCC2018-25_Visuals.pdf ISSCC2018-26_Visuals.pdf ISSCC2018-27_Visuals.pdf ISSCC2018-28_Visuals.pdf ISSCC2018-29_Visuals.pdf ISSCC2018-30_Visuals.pdf ISSCC2018-31_Visuals.pdf ISSCC2018-DemoSessions.pdf ISSCC2018AdvanceProgram.pdf ISSCC2018-01_Digest.pdf ISSCC2018-02_Digest.pdf ISSCC2018-03_Digest.pdf ISSCC2018-04_Digest.pdf ISSCC2018-05_Digest.pdf ISSCC2018-06_Digest.pdf ISSCC2018-07_Digest.pdf ISSCC2018-08_Digest.pdf ISSCC2018-09_Digest.pdf ISSCC2018-10_Digest.pdf ISSCC2018-11_Digest.pdf ISSCC2018-12_Digest.pdf ISSCC2018-13_Digest.pdf ISSCC2018-14_Digest.pdf ISSCC2018-15_Digest.pdf ISSCC2018-16_Digest.pdf ISSCC2018-17_Digest.pdf ISSCC2018-18_Digest.pdf ISSCC2018-19_Digest.pdf ISSCC2018-20_Digest.pdf ISSCC2018-21_Digest.pdf ISSCC2018-22_Digest.pdf ISSCC2018-23_Digest.pdf ISSCC2018-24_Digest.pdf ISSCC2018-25_Digest.pdf ISSCC2018-26_Digest.pdf ISSCC2018-27_Digest.pdf ISSCC2018-28_Digest.pdf ISSCC2018-29_Digest.pdf ISSCC2018-30_Digest.pdf ISSCC2018-31_Digest.pdf
ISSCC论文详解：ISSCC 2024 34.3 “闪电”数模混合存内计算，适应transformer和CNNs架构
m0_58966968的博客
04-23 1779
图中蓝色为数字计算部分，黄色为模拟计算部分，通过将高位、低位数字单元（HDU与LDU）与高位、低位模拟单元（HAU、LAU），如图所示对其进行排列组合（两个子阵列与HDU和LDU对组合，四个子阵列与HDU和LAU对组合，其余两个子阵列与HAU和LAU对组合），以此来进行高效的INT 8的MAC操作。接下来我们将以创新点2：近似压缩器的设计为重点，从本论文的近似电路仿真出发，介绍近3年的近似计算技术相关的高水平论文，旨在为读者详细介绍近似计算技术的原理和特点等[1]。（2）压缩器的设计（采用近似方法）；
CPU GPU TPU NPU 的一些概念 和 使用
qq_41764621的博客
10-10 612
NVCC（NVIDIA CUDA Compiler）：将包含CUDA内核操作的 C/C++ 代码 编译为 可以被GPU处理的机器码，这样我们就可以通过指令来操作GPU这个本来用于图形渲染的硬件了。不同硬件的驱动程序不同：对于GPU来说，有很多厂商都提供GPU硬件，如 英伟达，AMD等，不同厂商的硬件产品对应的驱动不同。CUDA Toolkit 提供了一些 CUDA-C CUDA-C++的编译器（这个编译器就是 NVCC），一些实用库、科学库等，一些 library API 及其示例代码。
ADC资料： ISSCC 2018
09-07
此处提到的“ADC资料：ISSCC 2018”指的是在2018年国际固态电路会议（International Solid-State Circuits Conference，简称ISSCC）上发表的模数转换器（Analog-to-Digital Converter，简称ADC）相关资料。ISSCC是...
ISSCC 2018- Digest HighRes.rar
04-04
ISSCC2018-DigestHighRes.docx ISSCC2018-DigestHighRes.pdf PAPER SESSIONS Plenary Session 6 Processors 32 Analog Techniques 48 mm-Wave Radios for 5G and Beyond 64 Image Sensors 78 Ultra-High-...
ISSCC2018-2019.zip
10-16
《IEEE国际固态电路会议（ISSCC）：2018与2019年的技术亮点》 IEEE国际固态电路会议（ISSCC），全称为International Solid-State Circuits Conference，是全球集成电路设计领域的顶级盛会，每年都会吸引众多顶尖...
ISSCC 2017论文导读 Session 14 Deep Learning Processors，A 2.9TOPS/W Deep Convolutional Neural Network...
weixin_30467087的博客
02-12 316
最近ISSCC2017大会刚刚举行,看了关于Deep Learning处理器的Session 14，有一些不错的东西，在这里记录一下。 A 2.9TOPS/W Deep Convolutional Neural Network SoC in FD-SOI 28nm for Intelligent Embedded Systems 单位：STMicroelectronics（意...
ISSCC2020-14_Visuals.pdf
02-22
The International Solid-State Circuits Conference is the foremost global forum for presentation of advances in solid-state circuits and systems-on-a-chip. The Conference offers a unique opportunity for engineers working at the cutting edge of IC design and application to maintain technical currency, and to network with leading experts…
ISSCC2019-T6
04-06
ISSCC是“IEEE International Solid-State Circuits Conference”的缩写，是世界学术界和企业界公认的集成电路设计领域最高级别会议，被认为是集成电路设计领域的“世界奥林匹克大会”。
VAD、KWS、ASR
sinat_33705291的博客
05-17 2162
语音活性检测(Voice activity detection，VAD)，检测信号中语音成分和非语音成分 关键词检测 (Keyword Spotting, KWS)，检测语音信号中的关键词与非关键词部分 自动语音识别 (automatic speech recognition, ASR), 使得机器能够识别出人的语音 目前采用ASIC的方案，直接实现VAD，KWS，ASR的超低低功耗电路设计成为主流的趋势，本文总结了关于上述内容的最新论文。 KWS 1.会议：ISSCC...
NoC-based DNN Accelerator: A Future Design Paradigm
PolarSnow
01-09 861
现有DNN加速平台包括CPU，GPU，ASIC和FPGA。然而，这些平台具有性能低下（即CPU和GPU），功耗大（即CPU，GPU，ASIC和FPGA）或运行时的计算灵活性低（即FPGA和ASIC）的缺点。在本文中，我们建议将基于NoC的DNN平台作为一种新的加速器设计范例。
文献笔记（9）(2019ISSCC)
tiaozhanzhe1900的博客
03-25 1417
文章目录1 An 11.5TOPS/W 1024-MAC Butterfly Structure Dual-Core Sparsity-Aware Neural Processing Unit in 8nm Flagship Mobile SoC1.1 缩写1.2 architecture2 A 20.5TOPS and 217.3GOPS/mm 2 Multicore SoC with DNN ...
文献笔记（6）(2017ISSCC: 14.2)
tiaozhanzhe1900的博客
10-22 292
文章目录1 英文缩写 文献摘自DNPU: An 8.1TOPS/W Reconfigurable CNN-RNN Processor for General-Purpose Deep Neural Networks 1 英文缩写 RNN: recurrent neural networks FCL: fully-connected layers CL: convolution layer RL: ...
ISSCC 2021前瞻，智能传感器和IoT端是大势所趋 | AI日报
BAAIBeijing的博客
12-07 2031
为AI 内行人定制资讯，帮你一篇尽览 AI 行业要闻。ISSCC 2021前瞻，智能传感器和IoT端是大势所趋疫情当前，AI芯片如何落地是当务之急。相应于去年的阿里含光，今年会议值得关...
地平线谭洪贺：AI芯片怎么降功耗？从ISSCC2017说起
weixin_34062469的博客
05-17 264
先来一张slide镇镇场，tutorial上Verhelst总结了近几年VLSI和ISSCC会议上发表的一些结果。其中，灰色的图标应该都是ISSCC2017以前的结果。这张图体现了性能、错误率、能效三方面的trade off。 性能上，大家似乎很难超GPU，但是能效上，可以算是秒杀。大家都喜欢拿自己的数据和NVIDIA的GPU比较，然后可以给出很漂...
python中paramiko插件
最新发布
10-13
这是pjython中最重要的一个插件，所以我们要先下载到csdn中
2018 ISSCC硅工程论坛与新技术研讨会
2018年国际固态电路会议（International Solid-State Circuits Conference, ISSCC）是IEEE Solid-State Circuit Society主办的一场世界级盛事，于2018年2月11日至15日在旧金山Marriott Marquis酒店举行。会议的主题...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值