Originaltitel:
Reram-Based Machine Learning
Inhalt des Buches:
Der Übergang zum Exascale-Computing hat zu großen Veränderungen bei den Computerparadigmen geführt. Die Notwendigkeit, so große Datenmengen zu analysieren und darauf zu reagieren, hat dazu geführt, dass Methoden des maschinellen Lernens (ML) und des Deep Learning (DL) in einer Vielzahl von Anwendungen eingesetzt werden.
Eine der größten Herausforderungen ist das Abrufen von Daten aus dem Rechenspeicher und das Zurückschreiben der Daten, ohne dass es zu Engpässen im Speicher kommt. Um diese Probleme zu lösen, wurden das In-Memory-Computing (IMC) und unterstützende Frameworks eingeführt. In-Memory-Computing-Methoden haben einen extrem niedrigen Stromverbrauch und einen eingebetteten Speicher mit hoher Dichte. Die Resistive Random-Access Memory (ReRAM)-Technologie scheint die vielversprechendste IMC-Lösung zu sein, da sie eine minimale Leckageleistung, einen geringeren Stromverbrauch und einen kleineren Hardware-Fußabdruck aufweist und zudem mit der in der Industrie weit verbreiteten CMOS-Technologie kompatibel ist.
In diesem Buch stellen die Autoren ReRAM-Techniken für die Durchführung verteilter Berechnungen mit IMC-Beschleunigern vor, präsentieren ReRAM-basierte IMC-Architekturen, die Berechnungen von ML- und datenintensiven Anwendungen durchführen können, sowie Strategien zur Abbildung von ML-Designs auf Hardware-Beschleuniger.
Das Buch dient als Brücke zwischen Forschern im Bereich der Datenverarbeitung (Algorithmenentwickler für ML und DL) und Entwicklern von Datenverarbeitungshardware.
Weitere Daten des Buches:
| ISBN: | 9781839530814 |
| Autor: | |
| Verlag: | |
| Einband: | Hardcover |
Kauf:
Derzeit verfügbar, auf Lager.
