Zobrazeno 1 - 10
of 23
pro vyhledávání: '"Chatarasi, Prasanth"'
The inference of ML models composed of diverse structures, types, and sizes boils down to the execution of different dataflows (i.e. different tiling, ordering, parallelism, and shapes). Using the optimal dataflow for every layer of workload can redu
Externí odkaz:
http://arxiv.org/abs/2405.13170
Autor:
Jeong, Geonhwa, Kestor, Gokcen, Chatarasi, Prasanth, Parashar, Angshuman, Tsai, Po-An, Rajamanickam, Sivasankaran, Gioiosa, Roberto, Krishna, Tushar
To meet the extreme compute demands for deep learning across commercial and scientific applications, dataflow accelerators are becoming increasingly popular. While these "domain-specific" accelerators are not fully programmable like CPUs and GPUs, th
Externí odkaz:
http://arxiv.org/abs/2109.07419
Autor:
Moon, Gordon E., Kwon, Hyoukjun, Jeong, Geonhwa, Chatarasi, Prasanth, Rajamanickam, Sivasankaran, Krishna, Tushar
There is a growing interest in custom spatial accelerators for machine learning applications. These accelerators employ a spatial array of processing elements (PEs) interacting via custom buffer hierarchies and networks-on-chip. The efficiency of the
Externí odkaz:
http://arxiv.org/abs/2106.10499
Xilinx's AI Engine is a recent industry example of energy-efficient vector processing that includes novel support for 2D SIMD datapaths and shuffle interconnection network. The current approach to programming the AI Engine relies on a C/C++ API for v
Externí odkaz:
http://arxiv.org/abs/2006.01331
Autor:
Chatarasi, Prasanth, Kwon, Hyoukjun, Raina, Natesh, Malik, Saurabh, Haridas, Vaisakh, Parashar, Angshuman, Pellauer, Michael, Krishna, Tushar, Sarkar, Vivek
The efficiency of a spatial DNN accelerator depends heavily on the compiler and its cost model ability to generate optimized mappings for various operators of DNN models on to the accelerator's compute and memory resources. But, existing cost models
Externí odkaz:
http://arxiv.org/abs/2002.07752
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Kwon, Hyoukjun, Chatarasi, Prasanth, Pellauer, Michael, Parashar, Angshuman, Sarkar, Vivek, Krishna, Tushar
The data partitioning and scheduling strategies used by DNN accelerators to leverage reuse and perform staging are known as dataflow, and they directly impact the performance and energy efficiency of DNN accelerator designs. An accelerator microarchi
Externí odkaz:
http://arxiv.org/abs/1805.02566
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.