<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[sinat_33705291的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/sinat_33705291</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; sinat_33705291]]></copyright><item><title><![CDATA[Tsinghua发表的论文（Deep-Learning Processor ）]]></title><link>https://blog.youkuaiyun.com/sinat_33705291/article/details/106567563</link><guid>https://blog.youkuaiyun.com/sinat_33705291/article/details/106567563</guid><author>sinat_33705291</author><pubDate>Fri, 05 Jun 2020 12:07:01 +0800</pubDate><description><![CDATA[Yuan, Zhe, et al. “14.2 A 65nm 24.7 µJ/Frame 12.3 mW Activation-Similarity-Aware Convolutional Neural Network Video Processor Using Hybrid Precision, Inter-Frame Data Reuse and Mixed-Bit-Width Difference-Frame Data Codec.” 2020 IEEE International Solid-Sta]]></description><category></category></item><item><title><![CDATA[寒武纪发表的论文（Deep-Learning Processor）]]></title><link>https://blog.youkuaiyun.com/sinat_33705291/article/details/106567247</link><guid>https://blog.youkuaiyun.com/sinat_33705291/article/details/106567247</guid><author>sinat_33705291</author><pubDate>Fri, 05 Jun 2020 11:47:05 +0800</pubDate><description><![CDATA[Liu, Shaoli, et al. “Cambricon: an instruction set architecture for neural networks.” international symposium on computer architecture (2016): 393-405.
Zhang, Shijin, et al. “Cambricon-x: an accelerator for sparse neural networks.” international symposium ]]></description><category></category></item><item><title><![CDATA[KAIST 电子工程系半导体实验室ISSCC会议发表的文章（Deep-Learning Processor）]]></title><link>https://blog.youkuaiyun.com/sinat_33705291/article/details/106566989</link><guid>https://blog.youkuaiyun.com/sinat_33705291/article/details/106566989</guid><author>sinat_33705291</author><pubDate>Fri, 05 Jun 2020 11:30:58 +0800</pubDate><description><![CDATA[Semiconductor System Lab. School of EE, KAIST
韩国科学技术院（Korea Advanced Institute of Science and Technology,KAIST)
Kang, Sanghoon, et al. “7.4 GANPU: A 135TFLOPS/W Multi-DNN Training Processor for GANs with Speculative Dual-Sparsity Exploitation.” 2020 IEEE I]]></description><category></category></item><item><title><![CDATA[Deep-Learning Processor（更新中）]]></title><link>https://blog.youkuaiyun.com/sinat_33705291/article/details/106502782</link><guid>https://blog.youkuaiyun.com/sinat_33705291/article/details/106502782</guid><author>sinat_33705291</author><pubDate>Tue, 02 Jun 2020 21:53:30 +0800</pubDate><description><![CDATA[本文汇总了近年来关于Deep-Learning Processor领域的相关论文。
2014
ASPLOS
Chen, Tianshi, et al. “DianNao: a small-footprint high-throughput accelerator for ubiquitous machine-learning.” architectural support for programming languages and operating systems (2014): 269-284.
MIC]]></description><category></category></item><item><title><![CDATA[Deep-Learning Processor：Eyeriss]]></title><link>https://blog.youkuaiyun.com/sinat_33705291/article/details/106489155</link><guid>https://blog.youkuaiyun.com/sinat_33705291/article/details/106489155</guid><author>sinat_33705291</author><pubDate>Tue, 02 Jun 2020 09:36:51 +0800</pubDate><description><![CDATA[01前言



人工智能领域中，由于深度学习的技术（Deep Learning）在图像识别，语音识别，自动驾驶等应用取得了非常不错的效果。深度学习中，例如：卷积神经网络（CNN），深度网络（DNN），递归神经网络（RNN），它们具有参数量多，计算量大，并行度高的特征。



传统采用GPU，CPU的处理方式并不适用于该计算特征，故设计一种面向深度学习领域的专用处理器（Deep-Learning Processor）是非常必要的。本文从JSSC 2016 ：Eyeriss 一篇论文谈起。



02...]]></description><category></category></item><item><title><![CDATA[VAD、KWS、ASR]]></title><link>https://blog.youkuaiyun.com/sinat_33705291/article/details/106170311</link><guid>https://blog.youkuaiyun.com/sinat_33705291/article/details/106170311</guid><author>sinat_33705291</author><pubDate>Sun, 17 May 2020 09:55:20 +0800</pubDate><description><![CDATA[语音活性检测(Voice activity detection，VAD)，检测信号中语音成分和非语音成分



关键词检测 (Keyword Spotting, KWS)，检测语音信号中的关键词与非关键词部分



自动语音识别 (automatic speech recognition, ASR), 使得机器能够识别出人的语音



目前采用ASIC的方案，直接实现VAD，KWS，ASR的超低低功耗电路设计成为主流的趋势，本文总结了关于上述内容的最新论文。



KWS

1.会议：ISSCC...]]></description><category></category></item><item><title><![CDATA[关于语音特征提取(MFCC)的matlab相关函数]]></title><link>https://blog.youkuaiyun.com/sinat_33705291/article/details/105254136</link><guid>https://blog.youkuaiyun.com/sinat_33705291/article/details/105254136</guid><author>sinat_33705291</author><pubDate>Wed, 01 Apr 2020 20:18:38 +0800</pubDate><description><![CDATA[使用深度学习进行语音命令识别
其中特征提取环节用到的库函数：

spectrogram

spectrogram
该函数的功能是将时域的语音信号变为短时频域信号；
主要包括：预加重，分帧，加窗,FFT求能量值

designAuditoryFilterBank

designAuditoryFilterBank
该函数的功能是将频域的语音信号通过滤波器组进行滤波，如常见的Mel 滤波函数；

me...]]></description><category></category></item><item><title><![CDATA[快速傅里叶变换（FFT）算法相关的文章汇总]]></title><link>https://blog.youkuaiyun.com/sinat_33705291/article/details/105088098</link><guid>https://blog.youkuaiyun.com/sinat_33705291/article/details/105088098</guid><author>sinat_33705291</author><pubDate>Wed, 25 Mar 2020 10:32:00 +0800</pubDate><description><![CDATA[多路并行FFT算法实现（一）：按时域抽取的FFT和按频域抽取的FFT
	FFT快速傅里叶变换(蝶形算法)详解
	按时间抽取的基-2 FFT算法 C语言实现（快速傅里叶变换，蝶形算法）
	基2FFT时间抽取和频域抽取算法比较
总结：基2时间（DIT）的FFT算法是对时域上面进行分奇偶，运算上先计算乘法后计算加减，对对输入序列倒序；

基2频率（DIF）的FFT算法是对频域上面分奇偶，运算上先计算加减...]]></description><category></category></item><item><title><![CDATA[matlab工具生成可编程FIR滤波器的HDL代码]]></title><link>https://blog.youkuaiyun.com/sinat_33705291/article/details/103481689</link><guid>https://blog.youkuaiyun.com/sinat_33705291/article/details/103481689</guid><author>sinat_33705291</author><pubDate>Tue, 10 Dec 2019 19:46:27 +0800</pubDate><description><![CDATA[01概述

本文通过matlab自带的工具箱生成一个可编程FIR滤波器的硬件HDL代码，可生成VHDL或者Verilog HDL两种类型的代码。



02具体操作步骤

新建一个matlab的脚本，键入下面两行代码，这里是直接调用matlab已经定义好的“dspprogfirhdl”模型，然后在simulink工具中打开该系统模型。


modelname = 'dspprogfirhdl'...]]></description><category></category></item><item><title><![CDATA[AMBA总线系列之AXI总线概述]]></title><link>https://blog.youkuaiyun.com/sinat_33705291/article/details/100587863</link><guid>https://blog.youkuaiyun.com/sinat_33705291/article/details/100587863</guid><author>sinat_33705291</author><pubDate>Fri, 06 Sep 2019 22:46:46 +0800</pubDate><description><![CDATA[在最近的面试中被问到AXI相对其他总线如AHB,APB的区别？本人私下从官网手册上了查看AXI的协议，这里做一下知识的分享。

整体的结构(多个master和slave的互联)：





写操作(包括写地址通道，写数据通道，写响应通道)：





读操作(包括读地址通道，读数据和响应通道)：







AMBA® AXI and ACE Protocol Specification...]]></description><category></category></item><item><title><![CDATA[带你玩转PYNQ-Z2开发板 系列教程（一）—准备工作]]></title><link>https://blog.youkuaiyun.com/sinat_33705291/article/details/85449246</link><guid>https://blog.youkuaiyun.com/sinat_33705291/article/details/85449246</guid><author>sinat_33705291</author><pubDate>Mon, 31 Dec 2018 10:09:03 +0800</pubDate><description><![CDATA[ 

 

 

 

写在前沿

       本篇文章是玩转PYNQ-Z2开发板系列教程的第一小节，本系列教程计划用十个小节，以上板实测的方式，带你由浅入深理解PYNQ-Z2开发板。

      该文主要的内容是分享：在使用xilinx系列PYNQ-Z2开发板之前，要准备的一些工作，以及实际操作中的经验分享。

 

Part.1

官方参考教程：       (https://pynq.r...]]></description><category></category></item><item><title><![CDATA[常成员函数和静态成员函数]]></title><link>https://blog.youkuaiyun.com/sinat_33705291/article/details/79531605</link><guid>https://blog.youkuaiyun.com/sinat_33705291/article/details/79531605</guid><author>sinat_33705291</author><pubDate>Mon, 12 Mar 2018 19:35:51 +0800</pubDate><description><![CDATA[常成员函数，声明方式：类型标识符 函数名（形参列表）const 类的成员函数的一种类型，由于const是函数类型，故在函数实现的时候也应带上const关键字。常成员函数具有以下特殊性质 不能更新成员变量的值（静态成员变量除外）不能调用除了常成员函数以外的成员函数可以用来区分函数重载类的常对象只能访问类的常成员函数 class A{  private:  
    int w, h;  
publi...]]></description><category></category></item><item><title><![CDATA[c++的const和static区别]]></title><link>https://blog.youkuaiyun.com/sinat_33705291/article/details/79525249</link><guid>https://blog.youkuaiyun.com/sinat_33705291/article/details/79525249</guid><author>sinat_33705291</author><pubDate>Mon, 12 Mar 2018 12:30:05 +0800</pubDate><description><![CDATA[const定义的常量在超出其作用域之后其空间会被释放，而static定义的静态常量在函数执行后不会释放其存储空间。      static表示的是静态的。类的静态成员函数、静态成员变量是和类相关的，而不是和类的具体对象相关的。即使没有具体对象，也能调用类的静态成员函数和成员变量。一般类的静态函数几乎就是一个全局函数，只不过它的作用域限于包含它的文件中。      在C++中，static静态成员变...]]></description><category></category></item></channel></rss>