吃三明治的lucky呀！
签名征集中
- 12
- 2
- 吃三明治的lucky呀！2年前发布了帖子
- 吃三明治的lucky呀！2年前发布了帖子模拟系统和数字系统一样，必须将神经网络存储在DRAM中 硬件最重要的方面之一是每平方毫米的处理器能容纳多少内存，以及内存能消耗多少能量。对于数字系统来说，主流的存储器——SRAM和DRAM——往往消耗太多的能量，占用太多的芯片面积，而且改进的速度不够快，无法满足当今人工智能时代的需要。
模拟系统的优势在于能够使用非易失性存储器 (NVM)，它提供了令人印象深刻的密度并解决了功率泄漏问题。一些模拟系统使用闪存，这是最常见的 NVM 类型之一，因为它具有令人难以置信的密度，与硬盘驱动器相比很小，并且可以在不通电的情况下保留信息。使用模拟内存计算，算法是通过操纵和组合小电流在 NVM 单元内执行的，小电流以快速和低功耗的方式发生在整个存储库中。 - 吃三明治的lucky呀！2年前发布了帖子
- 吃三明治的lucky呀！2年前发布了帖子模拟是耗电的？ 一个不为人知的问题是数字系统被迫将神经网络存储在 DRAM 中，这是一种昂贵、不方便且耗电的方法。DRAM 在活动使用期间和空闲期间都会消耗大量功率，因此系统架构师花费大量时间和精力来最大化处理器的利用率。
数字系统的另一个问题是，它们非常精确，这在性能和功率方面付出了巨大的代价，特别是在涉及到神经网络时。试想一下，一个系统必须从一大堆3D非易失性内存中读取数万亿的权重，以实现人工智能算法的即时计算。
在实践中，人工智能不需要那么高的精度。事实上，一些模拟处理器，在非常密集的非易失性存储器中执行模拟计算，已经比数字系统高 10 倍（有可能高 100 到 1000 倍）。它们的速度也快得多，可以将8倍多的信息装入内存。模拟技术更节能的一大优势是，它可以支持极高的处理密度，而不需要先进的冷却或供电基础设施，这对工业和企业应用程序尤其重要。 - 吃三明治的lucky呀！2年前发布了帖子
- 吃三明治的lucky呀！2年前发布了帖子
- 吃三明治的lucky呀！2年前发布了帖子
- 吃三明治的lucky呀！2年前发布了帖子
