Cambricon-X: An Accelerator for Sparse Neural Networks下载

weixin_39821526 2020-06-19 05:00:25

Cambricon-X: An Accelerator for Sparse Neural Networks
相关下载链接：//download.csdn.net/download/xiangsn1111/10365065?utm_source=bbsseo

...全文

27 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

网络优化加速工具 IE Accelerator 2.25 注册机

Cambricon-X: An Accelerator for Sparse Neural Networks——学习笔记公司AI项目新架构中需要增加稀疏功能，调研学习了cambricon-x的paper，希望能对新架构开发起到启发作用。学习笔记共享出来供大家交流学习，错误处请指正。 1. 文章核心思想基于稀疏网络模型提出了IM硬件模块设计，完成稀疏控制访存及PE计算加速，提升整体加速性能。 2...

Cambricon-X: An Accelerator for Sparse Neural Networks 一、稀疏网络我们以前提到的深度学习网络都属于稠密网络。经过研究发现，神经元间的连接很多都是冗余的，剪枝后反而有助于精度提升。目前网络的稀疏度可以达到90%以上，也就是说原来一个100MB参数的网络，压缩后，只有不到10MB的参数，大大减少了运算量。对于加速器设计来说，剪枝后带来的一个问题是网络不规则性。如果不能较好的解决该问题，就不能从剪枝中获得理想收益。二、几种常用的压缩方法 .

SCNN: An Accelerator for Compressed-sparse Convolutional Neural NetworksAs FPGAs are intrinsically parallel devices, they are quite suitable for Neural Network implementations, and so several studies

An Efficient Hardware Accelerator for Structured Sparse Convolutional Neural Networks on FPGAs Abstract 深度卷积神经网络（CNN）在广泛的应用中都实现了最先进的性能。但是，复杂的人工智能（AI）任务广泛需要更复杂的更深的CNN模型，这些模型通常对算力的要求极高。尽管最近在网络压缩方面的研究进展（例如剪枝）已经显著减轻了硬件设备的计算负载，但是由于剪枝引起的不规则性，仍然无法阻止现有的加速器充分利用稀疏性的

下载资源悬赏专区

13,656

社区成员

12,676,144

社区内容

发帖

与我相关

我的任务

其他技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章