09:38
官方账号arXiv cs.LG@Vibhanshu Sharma, Pratyush Dhingra, Janardhan Rao Doppa, Partha Pratim Pande
推荐理由：这篇论文提出了ThRIve方法，用低秩适应应对PIM芯片的热噪声问题，在保持精度不变的前提下把能效提升了5.4倍，做硬件推理的值得看看。
热噪声
共 1 条相关 AI 资讯
7月21日
09:38
ThRIve是一种针对非易失性存储器PIM架构的热噪声感知训练方法，通过低秩适应（LoRA）选择性将低秩噪声感知参数存储在抗热性更强的硬件上。实验表明，该方法使CNN推理在整个工作温度范围内的平均精度保持在理想（无噪声）精度的2%以内，精度波动也在平均值的2%以内。与热鲁棒的SRAM-based PIM系统相比，ThRIve在保持相当精度和鲁棒性的同时，实现了高达5.4倍的能效延迟积（EDP）降低。