02 2017 档案

[置顶] 人工智能（深度学习）加速芯片论文阅读笔记 （已添加ISSCC17，FPGA17...ISCA17...）
摘要：这是一个导读，可以快速找到我记录的关于人工智能（深度学习）加速芯片论文阅读笔记。ISSCC 2017 Session14 Deep Learning Processors:ISSCC 2017关于Deep Learning Processors的Slides笔记，主要参考了[1]中的笔记，自己根据p... 阅读全文
posted @ 2017-02-20 21:53 DownUp 阅读(353) 评论(0) 推荐(0)
ISSCC 2017论文导读 Session 14:A 0.62mW Ultra-Low-Power Convolutional-Neural-Network Face-Recognition Pro
摘要：A 0.62mW Ultra-Low-Power Convolutional-Neural-Network Face-Recognition Processor and a CIS Integrated with Always-On Haar-Like Face Detector单位... 阅读全文
posted @ 2017-02-19 23:53 DownUp 阅读(313) 评论(0) 推荐(0)
ISSCC 2017论文导读 Session 14:ENVISION: A 0.26-to-10 TOPS/W Subword-Parallel DVAFS CNN Processor in 28nm
摘要：ENVISION: A 0.26-to-10 TOPS/W Subword-Parallel Dynamic-Voltage-Accuracy-Frequency-Scalable CNN Processor in 28nm FDSOI单位：EAST-MICAS, KU Leuven... 阅读全文
posted @ 2017-02-18 21:48 DownUp 阅读(434) 评论(0) 推荐(0)
ISSCC 2017论文导读 Session 14: A 28nm SoC with a 1.2GHz Prediction Sparse Deep-Neural-Network Engine
摘要：A 28nm SoC with a 1.2GHz 568nJ/Prediction Sparse Deep-Neural-Network Engine with >0.1 Timing Error Rate Tolerance for IoT Applications单位：Harva... 阅读全文
posted @ 2017-02-15 00:02 DownUp 阅读(259) 评论(0) 推荐(0)
ISSCC 2017论文导读 Session 14 Deep Learning Processors，DNPU: An 8.1TOPS/W Reconfigurable CNN-RNN
摘要：转载请注明，本文出自Bin的专栏http://blog.csdn.net/xbinworld，谢谢！DNPU: An 8.1TOPS/W Reconfigurable CNN-RNN Processor for General-Purpose Deep Neural Networks... 阅读全文
posted @ 2017-02-12 23:42 DownUp 阅读(319) 评论(0) 推荐(0)
ISSCC 2017论文导读 Session 14 Deep Learning Processors，A 2.9TOPS/W Deep Convolutional Neural Network
摘要：最近ISSCC2017大会刚刚举行,看了关于Deep Learning处理器的Session 14，有一些不错的东西，在这里记录一下。A 2.9TOPS/W Deep Convolutional Neural Network SoC in FD-SOI 28nm for Intell... 阅读全文
posted @ 2017-02-12 03:29 DownUp 阅读(456) 评论(0) 推荐(0)
深度学习方法（九）：自然语言处理中的Attention Model注意力模型
摘要：欢迎转载，转载请注明：本文出自Bin的专栏blog.csdn.NET/xbinworld。 技术交流QQ群：433250724，欢迎对算法、技术感兴趣的同学加入。上一篇博文深度学习方法（八）：Encoder-Decoder模型，基本Sequence to Sequence模型描述了... 阅读全文
posted @ 2017-02-04 00:27 DownUp 阅读(689) 评论(0) 推荐(0)