摘要： 上一篇扒了single-core的实现，这篇记录一些扩展到多核的思路。 1. 单个AIE core 对于单核，这里假设矩阵乘计算的输入输出为A[m*k] x B [k*n] = C[m*n] 2. 扩展成一条chain：级联 k的维度是需要乘累加起来的，假设k为2048，分到2个核上，每个核就只需要 阅读全文

摘要： ref: https://github.com/Xilinx/Vitis-Tutorials/blob/2021.2/AI_Engine_Development/Feature_Tutorials/07-AI-Engine-Floating-Point/MatMult/aie/aie_kernels 阅读全文

摘要： ref: https://www.xilinx.com/html_docs/xilinx2020_2/vitis_doc/yii1603912637443.html https://www.xilinx.com/support/documentation/sw_manuals/xilinx2020_ 阅读全文

摘要： 记录一下，至少玩过 截图于以下链接 https://www.xilinx.com/support/documentation/architecture-manuals/am009-versal-ai-engine.pdf https://www.xilinx.com/support/document 阅读全文

摘要： leetcode https://github.com/labuladong/fucking-algorithm C++面试问题 https://github.com/huihut/interview https://www.cnblogs.com/LUO77/p/5771237.html 阅读全文

摘要： 最近看了ncnn的源码，代码风格清爽， 遂想先抛开VULKAN记录一下它的推理流程。 1. 先看个yolov2 demo csdn上的帖子https://blog.csdn.net/sinat_31425585/article/details/83243961， 其文末还附了福利直接可用的模型htt 阅读全文

摘要： 深度神经网络可以按层被拆分为许多基本操作，而这些基本操作通过不同的组合方式也就构建多种多样的DNN。例如最常见的[INPUT - CONV - RELU - POOL - FC]组合。 简单记录一下卷积神经网络中的基本操作: 卷积conv 池化pool Elementwise Deep-Wise卷积 阅读全文

摘要： 01. Stanford CS class CS231n: Convolutional Neural Networks for Visual Recognition. 02. Tutorial on Hardware Architectures for Deep Neural Networks ht 阅读全文

摘要： 【摘要】 TAGE被认为是最有存储效率的全局历史信息分支预测器。Andre就指出TAGE加上statistical corrector（SC）和loop predictor会更加高效。CBP-4traces下，32Kbits:3.315MPKI，256Kbits：2.365MPKI，no-limit 阅读全文

摘要： 源码链接：https://github.com/sjdesai16/tage 【摘要】：CBP2004上实现的简单TAGE分支预测器。TAGE集成了PPM和OGHEL两类分支预测的优势。使用PPM中的partial tage，OGHEL中的几何级数增长的全局历史长度。 OGEHL 利用了跨度在100 阅读全文