hardware-software co-design | BriefGPT

关键词hardware-software co-design

搜索结果 - 6

MMT3: 透明化追踪与触发技术用于计算和集合的细粒度叠加
T3 是一种通过硬件 - 软件协同设计，透明地重叠序列化的通信和计算，并最小化资源争用的方法，可对 Transformer 模型进行加速，减少数据移动。
PDF5 months ago
基于随机电阻存储的深度极值学习机的统一视觉处理
通过硬件软件的协同设计，我们提出了基于随机电阻存储器的深度极端点学习机，实现了高效统一的点集分析，比传统系统节省了大量能源并降低了训练成本，为各种数据模态和任务提供了节能高效的边缘人工智能解决方案。
PDF7 months ago
MAD Max 超越单节点：在分布式系统上加速大规模机器学习模型
基于真实世界的大规模模型训练和数据中心规模基础设施，我们展示了 14~32% 的 GPU 时间用于非重叠计算的通信。为了最小化未完成的通信延迟，在这项工作中，我们开发了一个灵活的性能建模框架来指导并行化和硬件软件共同设计策略。通过使用现代
PDF9 months ago
鲁棒 LEGO 操纵的轻量级可迁移设计
通过硬件 - 软件协同设计，本文研究了安全高效的机器人乐高操控，并设计了末端工具（EOAT）以降低问题维度，使得大型工业机器人能够轻松操控乐高积木。同时，通过进化策略在乐高操控中安全优化机器人运动。实验结果表明，EOAT 在操控乐高积木上表
PDF10 months ago
ApHMM：加速模板隐藏马尔可夫模型，用于快速和能效的基因组分析
ApHMM 提供了一种基于硬件和软件优化的灵活的 Baum-Welch 加速器，可显著提高 PHMMs 的计算和能源效率，并在三个重要的生物信息学应用中表现出比现有解决方案更好的性能。
PDF2 years ago
神经加速器的快速和最优硬件软件协同设计的半解耦方法
本文提出了一种半解耦合的方法，通过对神经架构进行搜索以获得一组最优架构，然后仅对该小组架构与加速器设计的组合进行优化，从而将总设计空间的大小降低数个数量级，而不会失去最优性，通过在多种架构空间上进行实验的验证，表明该方法可以通过在减少的搜索
PDF2 years ago