반응형
Notice
Recent Posts
Recent Comments
Link
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | |||
| 5 | 6 | 7 | 8 | 9 | 10 | 11 |
| 12 | 13 | 14 | 15 | 16 | 17 | 18 |
| 19 | 20 | 21 | 22 | 23 | 24 | 25 |
| 26 | 27 | 28 | 29 | 30 | 31 |
Tags
- Data HAzard
- gpgpu-sim
- linux makefile 작성
- 딥러닝 가속기
- CLOCK GATING
- Pyverilog 실행
- Makefile compile
- Pyverilog 설치
- makefile
- pytest-pythonpath 설치 오류
- 대구 반도체 설계기업 특화
- DNN Accelerator
- Pyvrilog tutorial
- 컨벌루션 연산
- AMBA
- Pyverilog 튜토리얼
- linux c++ 컴파일
- gcc 컴파일
- 데이터 해저드
- Design DNN Accelerator
- 클럭 게이팅
- DNN 가속기
- 이진수 곱셈 알고리즘
- systolic array
- pyverilog 설치 오류
- pygraphviz 설치 오류
- linux c 컴파일
- 남산업힐
- CDC
- CUDA
Archives
- Today
- Total
목록Deign DNN Accelerator (1)
오늘은 맑음
Study note : Efficient Processing of Deep Neural Networks(2)
5.2 KEY PROPERTIES OF DNN TO LEVERAGE 5.2에서는 5.1에서 이야기 한 내용에 이어서 어떻게 하면 DNN의 특성을 이용해서 hardware의 performance와 energy efficiency를 높일 수 있을지에 대해서 설명합니다. 5.1에서는 주로 data locality를 이용하거나, data의 bitwidth를 줄여 전체적인 transfer cost를 낮추는 방법을 이야기 했다면, 5.2에서는 연산기 내부에서 어떻게 하면 data transfer cost를 줄일 수 있을지에 대해서 이야기합니다. DNN의 연산 특성상(예를 들면 convolution layer) 각 convolution 연산 사이에는 data dependancy가 없습니다. 즉, kernel이 str..
NPU
2021. 11. 13. 02:00