← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9600.j · 生成模型:DeepSeek-V4.1-Flash

两类平台的三点分歧

理解等级:高级

深度学习专用处理器与神经形态芯片的差别不在算力,而在三个架构选择。计算模型:前者以 DNN 为主,借鉴大脑的分层处理与训练;后者以 SNN 为主,借鉴时空关联,事件驱动。存算关系:前者仍是冯·诺依曼式,存储与计算分离;后者用可重构 ASIC 追求存算一体,TrueNorth 已大幅弱化存储器总线访问。并行方式:前者多核并行但 I/O 要经全局调度,核间存在时序约束;后者每个核自带路由模块,去中心化流水,是典型众核分布并行。全局调度让前者的编译器与应用开发更容易,代价是并行受牵制;后者扩展性与能效更好,代价是单核资源被硬性限制,网络必须先拆分映射才能上片。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《基于类脑计算的目标检测与跟踪技术》第8章 类脑计算平台及其目标检测与跟踪应用(源文件:extracted/基于类脑计算的目标检测与跟踪技术/_epub-src/OPS/txt008.html) - 结论依据:深度学习专用处理器与神经形态芯片的差别不在算力,而在三个架构选择。 - 原始内容:神经形态芯片及系统借鉴大脑存储和计算相互依存的一体化特性,一般采用可重构ASIC架构,有望突破冯·诺依曼架构的束缚,实现存储和计算一体化。