欧美性猛交xxxx免费看_牛牛在线视频国产免费_天堂草原电视剧在线观看免费_国产粉嫩高清在线观看_国产欧美日本亚洲精品一5区

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

谷歌提出一個(gè)芯片布局規(guī)劃的強(qiáng)化學(xué)習(xí)方法

hl5C_deeptechch ? 來(lái)源:DeepTech深科技 ? 作者:DeepTech深科技 ? 2021-06-22 14:42 ? 次閱讀

一直以來(lái),微芯片設(shè)計(jì)的成敗在很大程度上取決于布局規(guī)劃和布局步驟,這些布局步驟決定了內(nèi)存和邏輯元件在芯片上的位置。

反過(guò)來(lái),位置又會(huì)強(qiáng)烈影響芯片設(shè)計(jì)是否能夠滿足包括處理速度和電源效率在內(nèi)的操作要求。

到目前為止,平面規(guī)劃任務(wù)是由專業(yè)工程師在數(shù)周或數(shù)月內(nèi)反復(fù)艱苦地去執(zhí)行完成的。盡管已經(jīng)進(jìn)行了長(zhǎng)達(dá) 50 年的研究,但是目前的芯片布局規(guī)劃仍然無(wú)法實(shí)現(xiàn)自動(dòng)化,仍舊需要物理設(shè)計(jì)工程師數(shù)月的努力才能制作出布局規(guī)劃。

自 20 世紀(jì) 60 年代以來(lái),研究人員們提出了許多芯片布局規(guī)劃方法,這些布局規(guī)劃方法可分為三大類(lèi):基于分區(qū)的方法、隨機(jī)/爬山方法和分析解算器。

然而,這些方法都不能達(dá)到人工水平,芯片復(fù)雜性的指數(shù)增長(zhǎng)使得這些技術(shù)在現(xiàn)代芯片上基本上無(wú)法使用。

但在《自然》雜志今年 6 月發(fā)表的一篇論文中,來(lái)自谷歌的研究人員發(fā)布了一種機(jī)器學(xué)習(xí)方法,該方法可在數(shù)小時(shí)內(nèi)實(shí)現(xiàn)出色的芯片布局規(guī)劃。

谷歌的這項(xiàng)研究解決了芯片布局規(guī)劃自動(dòng)化的問(wèn)題。眾所周知,計(jì)算機(jī)行業(yè)一直受到摩爾定律的推動(dòng):每一塊芯片的組件數(shù)量大約每?jī)赡攴环?/p>

這一進(jìn)步速度相當(dāng)于一個(gè)芯片上的元件數(shù)量每周增加約 1%。因此,無(wú)法自動(dòng)完成布局規(guī)劃是一個(gè)問(wèn)題,這不僅是因?yàn)橄嚓P(guān)的時(shí)間成本,還因?yàn)樗拗屏诵酒_(kāi)發(fā)計(jì)劃中可以探索的解決方案數(shù)量。

此次,谷歌研究人員提出一個(gè)芯片布局規(guī)劃的強(qiáng)化學(xué)習(xí)方法,在不到 6 小時(shí)的時(shí)間內(nèi),即可用該方法自動(dòng)生成一張芯片平面圖,功耗、性能和芯片面積等所有關(guān)鍵指標(biāo)都優(yōu)于或相當(dāng)于人工生成的平面圖。

該方法可跨芯片進(jìn)行推廣,這意味著它能從過(guò)往經(jīng)驗(yàn)中學(xué)習(xí),在放置新芯片時(shí)變得更好更快,從而使芯片設(shè)計(jì)師得到人工代理的協(xié)助,而人工代理的經(jīng)驗(yàn)比任何人都豐富。

據(jù)悉,該研究允許芯片設(shè)計(jì)由具有比任何人類(lèi)設(shè)計(jì)師更豐富經(jīng)驗(yàn)的人工代理來(lái)完成,此方法曾被用于設(shè)計(jì)下一代谷歌人工智能AI)加速器,每一代都有可能節(jié)省數(shù)千小時(shí)的人力。

目前,該研究方法已投入使用,并將用于設(shè)計(jì)下一代 Google TPU。

谷歌研究人員相信,更強(qiáng)大的人工智能設(shè)計(jì)硬件將推動(dòng)人工智能的發(fā)展,并在這兩個(gè)領(lǐng)域之間建立一種共生關(guān)系。

事實(shí)上,培訓(xùn)跨芯片的布局策略是非常具有挑戰(zhàn)性的,芯片布局規(guī)劃類(lèi)似于一個(gè)游戲,具有不同的塊(例如網(wǎng)表拓?fù)?、宏?jì)數(shù)、宏大小和縱橫比)、板(不同的畫(huà)布大小和縱橫比)和贏條件(不同的評(píng)估指標(biāo)或不同的密度和路由擁塞約束的相對(duì)重要性)。

據(jù)悉,自動(dòng)化和加速芯片設(shè)計(jì)過(guò)程還可實(shí)現(xiàn)人工智能和硬件的協(xié)同設(shè)計(jì),從而產(chǎn)生針對(duì)重要工作負(fù)載定制的高性能芯片:比如自動(dòng)車(chē)輛、醫(yī)療設(shè)備和數(shù)據(jù)中心等領(lǐng)域。

這種形式的布局優(yōu)化出現(xiàn)在科學(xué)和工程應(yīng)用中,包括硬件設(shè)計(jì)、城市規(guī)劃、疫苗測(cè)試和分配以及大腦皮層布局。因此,研究人員們相信研究的布局優(yōu)化方法可應(yīng)用于芯片設(shè)計(jì)以外的有效布局問(wèn)題。

開(kāi)發(fā)比現(xiàn)有方法更好、更快和更便宜的自動(dòng)化芯片設(shè)計(jì)方法,將有助于保持芯片技術(shù)的“摩爾定律”軌跡。

對(duì)于芯片行業(yè)的技術(shù)領(lǐng)導(dǎo)者和決策者來(lái)說(shuō),谷歌論文中最重要的啟示可能是研究出的布局方案已經(jīng)被納入谷歌下一代人工智能處理器的芯片設(shè)計(jì)中。

責(zé)任編輯:haq

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 芯片
    +關(guān)注

    關(guān)注

    457

    文章

    51299

    瀏覽量

    427912
  • 谷歌
    +關(guān)注

    關(guān)注

    27

    文章

    6203

    瀏覽量

    106102
  • AI
    AI
    +關(guān)注

    關(guān)注

    87

    文章

    31753

    瀏覽量

    270546

原文標(biāo)題:谷歌“AI造芯”,由Jeff Dean團(tuán)隊(duì)推出,只需6小時(shí)即可自主設(shè)計(jì)芯片

文章出處:【微信號(hào):deeptechchina,微信公眾號(hào):deeptechchina】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏

    評(píng)論

    相關(guān)推薦

    回流焊生產(chǎn)線布局規(guī)劃

    回流焊生產(chǎn)線布局規(guī)劃是確保生產(chǎn)高效、產(chǎn)品質(zhì)量穩(wěn)定的關(guān)鍵環(huán)節(jié)。以下是對(duì)回流焊生產(chǎn)線布局規(guī)劃的介紹: 、生產(chǎn)線
    的頭像 發(fā)表于 01-20 09:31 ?198次閱讀

    傳統(tǒng)機(jī)器學(xué)習(xí)方法和應(yīng)用指導(dǎo)

    用于開(kāi)發(fā)生物學(xué)數(shù)據(jù)的機(jī)器學(xué)習(xí)方法。盡管深度學(xué)習(xí)般指神經(jīng)網(wǎng)絡(luò)算法)是個(gè)強(qiáng)大的工具,目前也非常流行,但它的應(yīng)用領(lǐng)域仍然有限。與深度
    的頭像 發(fā)表于 12-30 09:16 ?420次閱讀
    傳統(tǒng)機(jī)器<b class='flag-5'>學(xué)習(xí)方法</b>和應(yīng)用指導(dǎo)

    螞蟻集團(tuán)收購(gòu)邊塞科技,吳翼出任強(qiáng)化學(xué)習(xí)實(shí)驗(yàn)室首席科學(xué)家

    領(lǐng)域的研究與發(fā)展。令人矚目的是,邊塞科技的創(chuàng)始人吳翼已正式加入該實(shí)驗(yàn)室,并擔(dān)任首席科學(xué)家職。 吳翼在其個(gè)人社交平臺(tái)上對(duì)這變動(dòng)進(jìn)行了回應(yīng)。他表示,自己最近接受了螞蟻集團(tuán)的邀請(qǐng),負(fù)責(zé)大模型強(qiáng)化學(xué)習(xí)領(lǐng)域的研究工
    的頭像 發(fā)表于 11-22 11:14 ?768次閱讀

    《DNESP32S3使用指南-IDF版_V1.6》第章 本書(shū)學(xué)習(xí)方法

    章 本書(shū)學(xué)習(xí)方法 為了讓大家更好的學(xué)習(xí)和使用本書(shū),本章將給大家介紹下本書(shū)的學(xué)習(xí)方法,包括:本書(shū)的學(xué)
    發(fā)表于 11-20 09:54

    什么是機(jī)器學(xué)習(xí)?通過(guò)機(jī)器學(xué)習(xí)方法能解決哪些問(wèn)題?

    計(jì)算機(jī)系統(tǒng)自身的性能”。事實(shí)上,由于“經(jīng)驗(yàn)”在計(jì)算機(jī)系統(tǒng)中主要以數(shù)據(jù)的形式存在,因此機(jī)器學(xué)習(xí)需要設(shè)法對(duì)數(shù)據(jù)進(jìn)行分析學(xué)習(xí),這就使得它逐漸成為智能數(shù)據(jù)分析技術(shù)的創(chuàng)新源之,
    的頭像 發(fā)表于 11-16 01:07 ?539次閱讀
    什么是機(jī)器<b class='flag-5'>學(xué)習(xí)</b>?通過(guò)機(jī)器<b class='flag-5'>學(xué)習(xí)方法</b>能解決哪些問(wèn)題?

    如何使用 PyTorch 進(jìn)行強(qiáng)化學(xué)習(xí)

    強(qiáng)化學(xué)習(xí)(Reinforcement Learning, RL)是種機(jī)器學(xué)習(xí)方法,它通過(guò)與環(huán)境的交互來(lái)學(xué)習(xí)如何做出決策,以最大化累積獎(jiǎng)勵(lì)。PyTorch 是
    的頭像 發(fā)表于 11-05 17:34 ?427次閱讀

    嵌入式學(xué)習(xí)建議

    對(duì)廣大渴望學(xué)習(xí)嵌入式系統(tǒng)的學(xué)子提出幾點(diǎn)基礎(chǔ)階段的學(xué)習(xí)建議: ①嵌入式系統(tǒng)軟件硬件密切相關(guān),定要打好軟硬件基礎(chǔ)。其實(shí),只要找到正確的方法,
    發(fā)表于 10-22 11:41

    谷歌AlphaChip強(qiáng)化學(xué)習(xí)工具發(fā)布,聯(lián)發(fā)科天璣芯片率先采用

    近日,谷歌芯片設(shè)計(jì)領(lǐng)域取得了重要突破,詳細(xì)介紹了其用于芯片設(shè)計(jì)布局強(qiáng)化學(xué)習(xí)方法,并將該模型命名為“AlphaChip”。據(jù)悉,Alpha
    的頭像 發(fā)表于 09-30 16:16 ?484次閱讀

    《DNK210使用指南 -CanMV版 V1.0》第章本書(shū)學(xué)習(xí)方法

    章 本書(shū)學(xué)習(xí)方法 為了讓讀者更好地學(xué)習(xí)和使用本書(shū),本章將為讀者介紹本書(shū)的學(xué)習(xí)方法,包括:本書(shū)的學(xué)習(xí)順序、編寫(xiě)規(guī)范、代碼規(guī)范、資料查找和
    發(fā)表于 08-28 17:57

    剖析 Chiplet 時(shí)代的布局規(guī)劃演進(jìn)

    來(lái)源:芝能芯芯 半導(dǎo)體行業(yè)的不斷進(jìn)步和技術(shù)的發(fā)展,3D-IC(三維集成電路)和異構(gòu)芯片設(shè)計(jì)已成為提高性能的關(guān)鍵途徑。然而,這種技術(shù)進(jìn)步伴隨著系列新的挑戰(zhàn),尤其是在熱管理和布局規(guī)劃方面
    的頭像 發(fā)表于 08-06 16:37 ?477次閱讀
    剖析 Chiplet 時(shí)代的<b class='flag-5'>布局</b><b class='flag-5'>規(guī)劃</b>演進(jìn)

    深度學(xué)習(xí)中的無(wú)監(jiān)督學(xué)習(xí)方法綜述

    深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)領(lǐng)域的個(gè)重要分支,近年來(lái)在多個(gè)領(lǐng)域取得了顯著的成果,特別是在圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理等領(lǐng)域。然而,深度學(xué)習(xí)模型
    的頭像 發(fā)表于 07-09 10:50 ?989次閱讀

    通過(guò)強(qiáng)化學(xué)習(xí)策略進(jìn)行特征選擇

    更快更好地學(xué)習(xí)。我們的想法是找到最優(yōu)數(shù)量的特征和最有意義的特征。在本文中,我們將介紹并實(shí)現(xiàn)種新的通過(guò)強(qiáng)化學(xué)習(xí)策略的特征選擇。我們先討論強(qiáng)化學(xué)習(xí),尤其是馬爾可夫決策
    的頭像 發(fā)表于 06-05 08:27 ?441次閱讀
    通過(guò)<b class='flag-5'>強(qiáng)化學(xué)習(xí)</b>策略進(jìn)行特征選擇

    谷歌Gemini新增旅行規(guī)劃功能,助用戶高效規(guī)劃度假行程

    谷歌方面稱,Gemini可依據(jù)用戶需求,快速挖掘航班時(shí)間與酒店預(yù)訂詳情,從而迅速制定出適宜的度假方案。谷歌副總裁兼Gemini總經(jīng)理Sissie Hsiao指出,傳統(tǒng)手動(dòng)規(guī)劃旅行需耗費(fèi)數(shù)小時(shí)至數(shù)周時(shí)間,但Gemini僅需數(shù)秒即可
    的頭像 發(fā)表于 05-15 11:18 ?438次閱讀

    谷歌提出大規(guī)模ICL方法

    谷歌DeepMind團(tuán)隊(duì)近日取得了項(xiàng)突破性的研究成果。他們提出強(qiáng)化和無(wú)監(jiān)督兩種新型的ICL(In-Context Learning)學(xué)習(xí)方法
    的頭像 發(fā)表于 05-14 14:17 ?411次閱讀

    文詳解Transformer神經(jīng)網(wǎng)絡(luò)模型

    Transformer模型在強(qiáng)化學(xué)習(xí)領(lǐng)域的應(yīng)用主要是應(yīng)用于策略學(xué)習(xí)和值函數(shù)近似。強(qiáng)化學(xué)習(xí)是指讓機(jī)器在與環(huán)境互動(dòng)的過(guò)程中,通過(guò)試錯(cuò)來(lái)學(xué)習(xí)最優(yōu)的行為策略。
    發(fā)表于 02-20 09:55 ?1.8w次閱讀
    <b class='flag-5'>一</b>文詳解Transformer神經(jīng)網(wǎng)絡(luò)模型