循环处理单元：用于高速机器学习的硬件
摘要：机器学习应用对计算和功耗要求很高。利用各种技术进行硬件加速是一个正在探索的自然步骤。马里兰大学正在开发一种快速且功耗低的硬件，用于机器学习，称为重复处理单元（RPU）。它由一个循环神经网络和一个可训练的输出向量组成，作为一个汇聚计算机的硬件实现。目前，该汇聚计算机在Xilinx 7系列和Ultrascale+ ZYNQ SoCs上使用一个自主布尔网络进行处理，以及一个基于Python的软件API。该RPU能够每秒对多达40M个MNIST图像进行分类，汇聚电路的功耗不超过261mW。使用2048个未时钟门并具有大约100pS过渡时间的阵列，我们可以实现约20个TOPS和75个TOPS/W的性能。
作者：Heidi Komkov, Alessandro Restelli, Brian Hunt, Liam Shaughnessy, Itamar Shani, Daniel P. Lathrop
论文ID：1912.07363
分类：Emerging Technologies
分类简称：cs.ET
提交时间：2019-12-17