view in publisher's site

XNOR-SRAM: In-Memory Computing SRAM Macro for Binary/Ternary Deep Neural Networks

We present an in-memory computing SRAM macro that computes XNOR-and-accumulate in binary/ternary deep neural networks on the bitline without row-by-row data access. It achieves 33X better energy and 300X better energy-delay product than digital ASIC, and also achieves significantly higher accuracy than prior in-SRAM computing macro (e.g., 98.3% vs. 90% for MNIST) by being able to support the mainstream DNN/CNN algorithms.

XNOR - SRAM: محاسبه حافظه SRAM Macro برای شبکه‌های عصبی دو شاخه / سه‌شاخه

ما یک ماکروی SRAM محاسباتی درون حافظه ارایه می‌دهیم که XNOR - and - را در شبکه‌های عصبی عمیق دوتایی / سه تایی روی خط بیتی بدون دسترسی ردیف به ردیف داده‌ها محاسبه می‌کند. این روش به ۳۳ X انرژی بهتر و ۳۰۰ X انرژی - تاخیر بهتر نسبت به ASIC دیجیتال دست می‌یابد و همچنین دقت بسیار بالاتری نسبت به ماکروی محاسبه قبلی SRAM دارد (به عنوان مثال، ۹۸.۳ % در مقابل. ۹۰ % برای MNist)با توانایی پشتیبانی از الگوریتم های DNN / CNN.
ترجمه شده با

سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.