累加感知量化应对电压缩放误差
热点事件持续更新
累加感知量化应对电压缩放误差
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
Alexis Maras 等作者提出一种软硬件协同设计方法,通过累加感知训练与混合精度量化应对电压缩放引发的误差。其依据是脉动阵列累加器中时序鲁棒的位范围在不同电压频率工作点下差异显著。 该方法在软件层将累加感知训练与非结构化剪枝结合,约束权重分布以避开硬件敏感的高位进位链。作者称,在 2nm 工艺节点上,该协同优化布局在低电压前沿下实现 39% 能耗与 23% 能耗延迟积增益,精度下降控制在 1% 以内。
AI 根据报道生成 · 41 分钟前更新
最新进展10月27日 12:00
通过累加感知量化让 DNN 适应电压缩放引发的错误报道时间线
沿着报道,了解事件的不同侧面。
10月27日
- arXiv cs.AI通过累加感知量化让 DNN 适应电压缩放引发的错误
研究提出一种软硬件协同设计方法,利用脉动阵列累加器中时序鲁棒的位范围在不同电压频率工作点下差异显著这一观察,在软件层引入累加感知训练,将混合精度量化与非结构化剪枝结合,约束权重分布以避开硬件敏感的高位进位链。在 2nm 工艺节点上,该协同优化布局在低电压前沿下实现 39% 能耗与 23% 能耗延迟积增益,精度下降控制在 1% 以内。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。