Bỏ qua tới nội dung chính

Bộ tăng tốc phần cứng và kiến trúc chuyên biệt

Kiến trúc GPU, mảng systolic, bộ tăng tốc học sâu trên FPGA và ASIC, luồng dữ liệu và tái sử dụng dữ liệu, đánh đổi hiệu năng – năng lượng – diện tích (tham chiếu MIT 6.5930).

4 khóa học đề xuất3 học liệu (3 sách)

Hướng dẫn học chủ đề

Nâng caokhoảng 70 giờ6 bước
  • Giải thích vì sao ngành chuyển sang kiến trúc chuyên biệt và nêu các nguyên tắc thiết kế bộ tăng tốc theo lĩnh vực
  • Phân tích một mạng nơ-ron thành phép nhân – cộng, ước lượng số phép tính, lượng dữ liệu và cường độ số học
  • Đánh giá bộ tăng tốc theo thông lượng, độ trễ, năng lượng, diện tích, độ chính xác và tính linh hoạt

Giáo trình: Efficient Processing of Deep Neural Networks +2 sách khác

Đọc hướng dẫn đầy đủ
Thuộc nhóm Hệ thống máy tính · Computer Systems5 chủ đề · khoảng 335 giờKiến trúc máy tính hiệu năng cao, hệ điều hành, mạng máy tính, tính toán song song và bộ tăng tốc phần cứng.Xem nhóm
Chọn nguồn tự học

Đọc tài liệu tổng quan về xử lý mạng nơ-ron hiệu quả, rồi tự thiết kế một khối nhân ma trận nhỏ bằng Verilog hoặc HLS trên FPGA và so sánh với cài đặt trên CPU và GPU.

Khóa học đề xuất

Khóa trên OpenER và khóa mở của các trường, tuyển chọn cho chủ đề này.

Xem tất cả (4)

MIT · 6.5930 · Xuân 2026

Hardware Architecture for Deep Learning (mở trong tab mới)

Kiến trúc phần cứng cho học sâu

Vivienne Sze, Joel Emer

Đề xuất chínhChỉ tài liệuLiên kết ngoàiCấp độ: Nâng caoTiếng AnhBản quyền

Môn của MIT do Vivienne Sze và Joel Emer dạy, hai tác giả sách Efficient Processing of Deep Neural Networks: thành phần của mạng nơ-ron sâu, ánh xạ phép tính lên phần cứng qua luồng dữ liệu và phân hoạch, hợp nhất phép toán, kiến trúc cho dữ liệu thưa, độ chính xác số học và công nghệ mới. Trang công khai lịch học, danh sách bài đọc, slide nhiều buổi và tài liệu hướng dẫn lab.

Vì sao chọn: Khóa chính vì chính là MIT 6.5930 mà chủ đề tham chiếu, do hai tác giả sách chính Efficient Processing of Deep Neural Networks dạy: luồng dữ liệu, ánh xạ, kiến trúc cho dữ liệu thưa và độ chính xác số học. Trang công khai slide nhiều buổi, bài đọc và hướng dẫn lab, không có video.

  • Chuyên sâu

  • IIT Kharagpur · 106105220

    GPU Architectures and Programming (mở trong tab mới)

    Kiến trúc và lập trình GPU

    Soumyajit Dey

    Thay thếVideo + tài liệuLiên kết ngoàiCấp độ: Nâng cao

    Vì sao chọn: Nền tảng về kiến trúc GPU, bộ tăng tốc phổ biến nhất hiện nay, qua video công khai: warp, phân cấp bộ nhớ, gộp truy cập và tối ưu kernel.

    • Chuyên sâu

  • MIT · 6.5940 · Thu 2024

    TinyML and Efficient Deep Learning Computing (mở trong tab mới)

    TinyML và tính toán học sâu hiệu quả

    Song Han

    Thay thếVideo + tài liệuLiên kết ngoàiCấp độ: Nâng cao

    Vì sao chọn: Nhìn từ phía mô hình: tỉa, lượng tử hóa và các kỹ thuật làm học sâu chạy hiệu quả trên phần cứng hạn chế, có video và slide mọi buổi; bổ sung cho góc nhìn kiến trúc của khóa chính.

    • Chuyên sâu

  • ETH Zürich · 227-2210-00L · Thu 2024

    Computer Architecture (mở trong tab mới)

    Kiến trúc máy tính

    Onur Mutlu, Mohammad Sadrosadati

    Nâng caoVideo + tài liệuLiên kết ngoàiCấp độ: Nâng cao

    Vì sao chọn: Mở rộng sang kiến trúc lấy bộ nhớ làm trung tâm như xử lý trong bộ nhớ, cùng các buổi về mảng systolic, kiến trúc SIMD và GPU, có video từng buổi.

    • Chuyên sâu

Chủ đề này còn ít nội dung

Xem thêm các chủ đề cùng nhóm Hệ thống máy tính, hoặc tìm trên toàn trang.