机器学习是一个非常重要的研究领域，在各种级别的硬件设计的创新上有许多有潜力的应用与机遇。在设计过程中，权衡准确率、能耗、吞吐量与成本是非常重要的。

由于数据传送控制着能量消耗，最近的研究主要集中在维持准确率、吞吐量、成本的同时，减少数据传送。这意味着选择带有良好存储层级的架构，比如一个空间阵列（spatial array），以及开发在低成本存储层级上能增加数据重复使用的数据流。对算法与硬件进行联合设计，减少位宽精确度（bitwidth precision），增加稀疏（sparsity）与压缩，这些手段被用于最小化数据传输。有了混合信号线路设计和高级技术，通过将计算嵌入或接近传感器和存储，计算也就更接近数据源了。

我们也应该考虑在这些不同层级上的交互。例如，通过硬件友好的算法设计而实现的位宽减少可以通过使用混合信号电路和非易失性存储来减少精度上的处理。通过高级技术减少内存访问的成本，这能带来更节能的数据流。

致谢与参考文献（略）

　　点击阅读原文下载本论文

　　©本文由机器之心编译，转载请联系本公众号获得授权。

　　?------------------------------------------------

加入机器之心（全职记者/实习生）：[email protected]

投稿或寻求报道：[email protected]

广告&商务合作：[email protected]