探索存內(nèi)計算—基于 SRAM 的存內(nèi)計算與基于 MRAM 的存算一體的探究

本文深入探討了基于SRAM和MRAM的存算一體技術(shù)在計算領(lǐng)域的應(yīng)用和發(fā)展。首先，介紹了基于SRAM的存內(nèi)邏輯計算技術(shù)，包括其原理、優(yōu)勢以及在神經(jīng)網(wǎng)絡(luò)領(lǐng)域...

2024-05-16 標簽：存儲器神經(jīng)網(wǎng)絡(luò)sram 3909 0

存內(nèi)計算技術(shù)工具鏈——量化篇

本篇文章將重點講述存內(nèi)計算技術(shù)工具鏈之“量化”，我們將從面向存內(nèi)計算芯片的深度學(xué)習編譯工具鏈、神經(jīng)網(wǎng)絡(luò)中的量化（包括訓(xùn)練后量化與量化感知訓(xùn)練）、基于存內(nèi)...

2024-05-16 標簽：神經(jīng)網(wǎng)絡(luò)機器學(xué)習深度學(xué)習 1673 0

芯品#MAX78002 新型AI MCU，能夠使神經(jīng)網(wǎng)絡(luò)以超低功耗運行

人工智能(AI)需要超強的計算能力，而Maxim則大大降低了AI計算所需的功耗。MAX78002是一款新型的AI微控制器，使神經(jīng)網(wǎng)絡(luò)能夠在互聯(lián)網(wǎng)邊緣端以...

2024-05-07 標簽：mcu神經(jīng)網(wǎng)絡(luò)AI 7657 0

多目標跟蹤算法總結(jié)歸納

多目標跟蹤是計算機視覺領(lǐng)域中的一個重要任務(wù)，它旨在從視頻或圖像序列中準確地檢測和跟蹤多個移動目標。不過在落地部署時，有一些關(guān)鍵點需要解決。

2024-04-28 標簽：神經(jīng)網(wǎng)絡(luò)算法跟蹤器 2797 0

深入探討機器學(xué)習的可視化技術(shù)

機器學(xué)習可視化（簡稱ML可視化）一般是指通過圖形或交互方式表示機器學(xué)習模型、數(shù)據(jù)及其關(guān)系的過程。目標是使理解模型的復(fù)雜算法和數(shù)據(jù)模式更容易，使技術(shù)和非技...

2024-04-25 標簽：神經(jīng)網(wǎng)絡(luò)驅(qū)動系統(tǒng)機器學(xué)習 583 0

機器學(xué)習六大核心算法深度解析

算法歷程：線性回歸是一種古老的統(tǒng)計方法，它試圖找到最佳擬合數(shù)據(jù)的直線或超平面，最早可以追溯到19世紀初的高斯最小二乘法理論。

2024-04-23 標簽：神經(jīng)網(wǎng)絡(luò)機器學(xué)習python 2489 0

未來輕量級深度學(xué)習技術(shù)探索

除了輕量級架構(gòu)設(shè)計外，作者提到了可以應(yīng)用于壓縮給定架構(gòu)的各種高效算法。例如，量化方法 旨在減少數(shù)據(jù)所需的存儲空間，通常是通過用8位或16位數(shù)字代替32位...

2024-04-23 標簽：神經(jīng)網(wǎng)絡(luò)gpu深度學(xué)習 574 0

深度學(xué)習經(jīng)典入門Demo實戰(zhàn)案例分享

循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）：用于序列數(shù)據(jù)建模和自然語言處理任務(wù)的常用模型，傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)比較簡單，通常為：輸入層 – 隱藏層 – 輸出層。

2024-04-27 標簽：神經(jīng)網(wǎng)絡(luò)深度學(xué)習自然語言處理 1502 0

淺談AI技術(shù)在SSD控制器中的應(yīng)用

當前AI技術(shù)蓬勃發(fā)展，深度學(xué)習、強化學(xué)習等技術(shù)不斷突破，使得AI在圖像識別、語音識別、自然語言處理等領(lǐng)域取得了顯著成果。

2024-04-20 標簽：控制器神經(jīng)網(wǎng)絡(luò)SSD 1251 0

基于MADDPG迭代的編隊協(xié)同控制框架

多智能體系統(tǒng)（MAS）由若干單獨控制的、通過無線網(wǎng)絡(luò)連接的智能體構(gòu)成，在諸如控制、編隊、分配、博弈和分布式估計等問題中廣泛研究并取得了一定進展。

2024-04-20 標簽：神經(jīng)網(wǎng)絡(luò)算法無線網(wǎng)絡(luò) 1356 0

MCX N系列微處理器之NPU使用方法簡析

MCX N系列是高性能、低功耗微控制器，配備智能外設(shè)和加速器，可提供多任務(wù)功能和高能效。

2024-04-18 標簽：微控制器加速器神經(jīng)網(wǎng)絡(luò) 2409 0

特斯拉的Occupancy Network占用網(wǎng)絡(luò)如何解決無法識別物體的難題呢？

Occupancy Network并非特斯拉發(fā)明，最先提出Occupancy Network的是2018年的論文《Occupancy Networks:...

2024-04-16 標簽：編碼器神經(jīng)網(wǎng)絡(luò)特斯拉 2340 0

先進節(jié)點上glitch功耗問題

在神經(jīng)網(wǎng)絡(luò)處理硬件中，有很多乘法累加計算。事實上，許多神經(jīng)網(wǎng)絡(luò)處理器的評級標準是每秒執(zhí)行數(shù)以百萬計的MAC，這是性能的衡量標準。但

2024-04-15 標簽：處理器神經(jīng)網(wǎng)絡(luò)AI加速器 797 0

導(dǎo)彈試射控制系統(tǒng)的故障特性及機理分析

模塊作為整個系統(tǒng)的管理和控制中心，是用戶與模塊之間的橋梁。它可以通過一系列不同級別的菜單和表格來實現(xiàn)。

2024-04-15 標簽：人機交互控制系統(tǒng)神經(jīng)網(wǎng)絡(luò) 702 0

基于FPGA的網(wǎng)絡(luò)加速設(shè)計實現(xiàn)

首先是FPGA硬件的變化太多，各個模塊可配參數(shù)的變化（比如卷積模塊并行數(shù)的變化），另外一個是網(wǎng)絡(luò)模型多種多樣以及開源的網(wǎng)絡(luò)模型平臺也很多（tensorf...

2024-04-08 標簽：FPGA神經(jīng)網(wǎng)絡(luò)算力 1268 0

機器學(xué)習（ML）推理主要計算之存內(nèi)計算芯片

機器學(xué)習（ML）應(yīng)用已經(jīng)在汽車、醫(yī)療保健、金融和技術(shù)等各個領(lǐng)域變得無處不在。這導(dǎo)致對高性能、高能效 ML 硬件解決方案的需求不斷增加。

2024-04-07 標簽：存儲器神經(jīng)網(wǎng)絡(luò)gpu 1655 2

基于FPGA進行DNN設(shè)計的經(jīng)驗總結(jié)

DNN中應(yīng)用最廣泛的是CNN和RNN，CNN是一種卷積網(wǎng)絡(luò)，在圖片識別分類中用的較多，RNN可以處理時間序列的信息，比如視頻識別和語音識別。

2024-04-07 標簽：FPGAcpu神經(jīng)網(wǎng)絡(luò) 713 0

視覺Transformer基本原理及目標檢測應(yīng)用

視覺Transformer的一般結(jié)構(gòu)如圖2所示，包括編碼器和解碼器兩部分，其中編碼器每一層包括一個多頭自注意力模塊（self-attention）和一個...

2024-04-03 標簽：解碼器神經(jīng)網(wǎng)絡(luò)Transformer 4606 0

多功能觸覺傳感器及集成策略

目前最高印刷精度可達100 μm左右，技術(shù)相對成熟，工藝簡單、效率高、成本低、適合批量生產(chǎn)。主要用于制造觸覺傳感器陣列中快速制備圖案電極。

2024-04-02 標簽：傳感器人機交互神經(jīng)網(wǎng)絡(luò) 1315 0

多模態(tài)數(shù)據(jù)融合深度學(xué)習模型的典型深度架構(gòu)研究

DBN 和 SAE 是完全連接的神經(jīng)網(wǎng)絡(luò)。在這兩個網(wǎng)絡(luò)中，隱藏層中的每個神經(jīng)元都連接到前一層的每個神經(jīng)元，這種拓撲結(jié)構(gòu)會產(chǎn)生大量連接。

2024-04-02 標簽：編碼器神經(jīng)網(wǎng)絡(luò)人工智能 2270 0