檢索結果：共8筆資料 檢索策略： "曾學文".ccommittee (精準)
個人化服務 ：
排序：
每頁筆數：
已勾選0筆資料
1
為了權衡系統性能和系統功率，非對稱多核心架構被廣泛的應用於嵌入式系統。隨著系統中同時執行的應用程式數量日漸增加，功率消耗和最後一級緩存延遲也隨之增加。為了在功率限制下最大化系統性能，我們提出了適用於…
2
非揮發性記憶體儲存標準固態硬碟（NVMe SSD）支援多個應用程式層級的I / O請求佇列與高速匯流排，用以提供高數據傳輸速率。為了達到良好的功耗和性能比，NVMe SSD逐漸成為嵌入式系統的理想儲…
3
分散式邊緣運算相較於雲端運算而言能夠提供較低的傳輸開銷和更高的隱私性，使用上變得越來越受歡迎。然而，每個邊緣裝置的有限運算能力以及對神經網路的高計算需求，使得分散式邊緣運算變得更加困難。在本研究中，…
4
MapReduce is widely used for large-scale data processing, however, the data movement overhead among…
5
隨著大數據雲端運算的需求日漸增加，非揮發性記憶體儲存標準固態硬碟 (NVMe SSD) 和MapReduce框架提供高度平行的資料儲存效能以及平行運算能力。然而此類平行架構中，應用程式之間資源搶奪的…
6
通用型圖像處理器(GPGPU)已被廣泛應用於執行高效能程式。然而，這類系 統的效能瓶頸通常發生在有限的記憶體當中；尤其當系統執行需要大量資料搬移 的應用程式時，有限記憶體引起的效能瓶頸更為嚴重。為支…
7
電阻式隨機存取記憶體（ReRAM）已經成為一種有潛力的解決方案，通過在記憶體中進行處理的操作來加速深度神經網路（DNN）的推理。然而，在這樣的加速器上實施多個神經網路推理會遇到資源分配和調度問題。在…
8
ReRAM加速器的輸出量受神經網路的資料相依性影響，導致硬體利用率降低。為了解決這個問題，我們提出了一個LAS引擎，其中包括多個神經網路之間的資源分配，每層的權重映射，以及用於進一步回收未使用資源的…