人工智能
在計算機視覺的常用應用中，移動多幀高分辨率視頻強調了I/O子系統。目前，架構師和計算機科學家仍在學習如何優化數據結構和數據表示方式。例如，Medusa中所指出的，多端口DNN加速器和寬DRAM控制器接口的互連。每個端口都具有獨立的DRAM訪問權限，因此，必須使用內存互連才能將寬DRAM控制器接口互聯到大量窄讀寫端口，并同時保持最大的帶寬效率。
當DRAM帶寬跨DRAM端口均勻分區時，DNN是最有效的。由于DRAM可以占到總能源消耗的90%，最小化內存邏輯就可以為計算機節約成本了。內存訪問不是傳統工作負載和人工智能工作負載之間的唯一區別，但隨著人工智能應用程序的復雜化，x86和ARM將越來越不相關。
京公網安備 11010502049343號