深度學習飛速發展過程中，人們發現原有的處理器無法滿足神經網絡這種特定的大量計算，大量的開始針對這一應用進行專用芯片的設計。谷歌的張量處理單元（Tensor Processing Unit，后文簡 ...

隨着深度學習的飛速發展，對處理器的性能要求也變得越來越高，隨之涌現出了很多針對神經網絡加速設計的AI芯片。卷積計算是神經網絡中最重要的一類計算，本文分析了高性能卷積計算中的數據復用，這是AI芯片 ...

深度學習飛速發展過程中，人們發現原有的處理器無法滿足神經網絡這種特定的大量計算，大量的開始針對這一應用進行專用芯片的設計。谷歌的張量處理單元（Tensor Processing Unit，后文簡 ...

在AI芯片：高性能卷積計算中的數據復用曾提到，基於變換域的卷積計算——譬如Winograd卷積——並不能適應算法上對卷積計算多變的需求。但Winograd卷積依舊出現在剛剛公開的ARM Etho ...

深度學習飛速發展過程中，人們發現原有的處理器無法滿足神經網絡這種特定的大量計算，大量的開始針對這一應用進行專用芯片的設計。谷歌的張量處理單元（Tensor Processing Unit，后文簡 ...

深度學習飛速發展過程中，人們發現原有的處理器無法滿足神經網絡這種特定的大量計算，大量的開始針對這一應用進行專用芯片的設計。谷歌的張量處理單元（Tensor Processing Unit，后文簡 ...

以往我分析了一些AI加速器的設計，包括TPU，FSD，華為達芬奇等，無一例外都是從已經給出的設計出發，去分析其優缺點和應用范圍。在之前的文章中，關於這些設計是如何完成的，其背后是否有一定設計原則 ...

深度學習飛速發展過程中，人們發現原有的處理器無法滿足神經網絡這種特定的大量計算，大量的開始針對這一應用進行專用芯片的設計。谷歌的張量處理單元（Tensor Processing Unit，后文簡 ...