BerryHagge的博客

摘要:近年来，神经网络(NNs)在创新应用方面呈现出巨大的潜力。然而，能源效率仍然是一个挑战，在边缘部署的神经网络。在这种情况下，内存计算(CIM)架构成为节能硬件设计领域的一个新兴趋势，因为它显著减少了乘累加(MAC)计算的数据移动。然而，许多最近的研究使用了大量的数据转换器来输入数据和转换输出结果，这可能抵消了内存处理的好处。为了解决这一局限性，我们提出了一种传感器与CIM宏协作的组合架构，以实现感知信号的局部处理。采用电流模式计算技术，在消除数据转换开销的同时，实现了较高的能量效率。此外，我们深入.