Liên hệ
Tiếng Việt
Tiếng Anh
Thứ sáu, 10/07/2026
Efficient Execution of Irregular Dataflow Graphs
Cập nhật vào: Thứ ba - 22/10/2024 03:50
Nhan đề chính: Efficient Execution of Irregular Dataflow Graphs
Hardware/Software Co-optimization for Probabilistic AI and Sparse Linear Algebra
Nhan đề dịch: Thực hiện hiệu quả các biểu đồ luồng dữ liệu bất thường
Tối ưu hóa đồng thời phần cứng/phần mềm cho AI xác suất và đại số tuyến tính thưa thớt
Tác giả: Nimish Shah, Wannes Meert, Marian Verhelst
Nhà xuất bản: Springer Cham
Năm xuất bản: 2023
Số trang: XXI, 143 tr
Ngôn ngữ: Tiếng Anh
ISBN: 978-3-031-33136-7
SpringerLink
Lời giới thiệu:
Tài liệu này tập trung vào sự tăng tốc của khối lượng công việc thưa thớt bất thường mới nổi, được đặt ra bởi các mô hình trí tuệ nhân tạo (AI) mới và đại số tuyến tính thưa thớt. Cụ thể, cuốn sách phác thảo một số giải pháp phần cứng-phần mềm được đồng tối ưu hóa cho một lớp mô hình AI thưa thớt mới nổi rất hứa hẹn được gọi là Mạch xác suất (PC) và khối lượng công việc ma trận thưa thớt tương tự cho các hệ thống tuyến tính tam giác (SpTRSV). Các tác giả mô tả các tối ưu hóa cho toàn bộ ngăn xếp, nhắm mục tiêu vào các ứng dụng, biên dịch, kiến trúc phần cứng và triển khai silicon, dẫn đến hiệu suất và hiệu quả năng lượng cao hơn gấp bội so với các giải pháp tiên tiến hiện có. Do đó, cuốn sách này cung cấp các khối xây dựng quan trọng cho thế hệ nền tảng AI biên sắp tới.
Từ khóa: Trí tuệ nhân tạo; Thiết kế; Phần cứng; Phần mềm; Ma trận
Nội dung cuốn sách gồm những phần sau:
- Khối lượng công việc không đều đặn có nguy cơ mất giải xổ số phần cứng
- Biểu diễn dữ liệu phù hợp: Nghiên cứu về định dạng dấu phẩy cố định, dấu phẩy động và PositTM cho AI xác suất
- GRAPHOP: Tối ưu hóa ràng buộc dựa trên song song hóa khối lượng công việc bất thường cho bộ xử lý đa lõi
- Bộ xử lý DAG phiên bản 1 (DPU): Thực hiện hiệu quả khối lượng công việc không thường xuyên trên bộ xử lý đa lõi
- Bộ xử lý DAG phiên bản 2 (DPU-v2): Thực hiện hiệu quả khối lượng công việc bất thường trên đường dẫn dữ liệu không gian
- Kết luận và công việc tương lai
Hardware/Software Co-optimization for Probabilistic AI and Sparse Linear Algebra
Nhan đề dịch: Thực hiện hiệu quả các biểu đồ luồng dữ liệu bất thường
Tối ưu hóa đồng thời phần cứng/phần mềm cho AI xác suất và đại số tuyến tính thưa thớt
Tác giả: Nimish Shah, Wannes Meert, Marian Verhelst
Nhà xuất bản: Springer Cham
Năm xuất bản: 2023
Số trang: XXI, 143 tr
Ngôn ngữ: Tiếng Anh
ISBN: 978-3-031-33136-7
SpringerLink
Lời giới thiệu:
Tài liệu này tập trung vào sự tăng tốc của khối lượng công việc thưa thớt bất thường mới nổi, được đặt ra bởi các mô hình trí tuệ nhân tạo (AI) mới và đại số tuyến tính thưa thớt. Cụ thể, cuốn sách phác thảo một số giải pháp phần cứng-phần mềm được đồng tối ưu hóa cho một lớp mô hình AI thưa thớt mới nổi rất hứa hẹn được gọi là Mạch xác suất (PC) và khối lượng công việc ma trận thưa thớt tương tự cho các hệ thống tuyến tính tam giác (SpTRSV). Các tác giả mô tả các tối ưu hóa cho toàn bộ ngăn xếp, nhắm mục tiêu vào các ứng dụng, biên dịch, kiến trúc phần cứng và triển khai silicon, dẫn đến hiệu suất và hiệu quả năng lượng cao hơn gấp bội so với các giải pháp tiên tiến hiện có. Do đó, cuốn sách này cung cấp các khối xây dựng quan trọng cho thế hệ nền tảng AI biên sắp tới.
Từ khóa: Trí tuệ nhân tạo; Thiết kế; Phần cứng; Phần mềm; Ma trận
Nội dung cuốn sách gồm những phần sau:
- Khối lượng công việc không đều đặn có nguy cơ mất giải xổ số phần cứng
- Biểu diễn dữ liệu phù hợp: Nghiên cứu về định dạng dấu phẩy cố định, dấu phẩy động và PositTM cho AI xác suất
- GRAPHOP: Tối ưu hóa ràng buộc dựa trên song song hóa khối lượng công việc bất thường cho bộ xử lý đa lõi
- Bộ xử lý DAG phiên bản 1 (DPU): Thực hiện hiệu quả khối lượng công việc không thường xuyên trên bộ xử lý đa lõi
- Bộ xử lý DAG phiên bản 2 (DPU-v2): Thực hiện hiệu quả khối lượng công việc bất thường trên đường dẫn dữ liệu không gian
- Kết luận và công việc tương lai
