利用磁阻随机存取存储器作为近似存储器训练神经网络
新兴技术
2018-10-26 v1 应用物理
摘要
采用嵌入式非易失性存储器（如自旋转矩存储器（ST-MRAM））实现突触权重的硬件神经网络，是低能耗人工智能的主要发展方向之一。在这项工作中，我们为其存储器提出了一种近似存储策略。我们表明，该策略通过调节编程脉冲幅度或持续时间，可有效地控制误码率。考虑到器件的差异性问题，我们评估了节能效果，并展示了在训练硬件神经网络时这些节能如何体现。在一个图像识别示例中，仅损失 1% 的识别性能便可节省 74% 的编程能耗。
引用
@article{arxiv.1810.10836,
title = {Use of Magnetoresistive Random-Access Memory as Approximate Memory for Training Neural Networks},
author = {Nicolas Locatelli and Adrien F. Vincent and Damien Querlioz},
journal= {arXiv preprint arXiv:1810.10836},
year = {2018}
}
备注
4 pages