Dispositivi edge moderni, come le fotocamere, droni, e nodi dell'Internet delle cose,
fare affidamento sul deep learning per abilitare un’ampia gamma di applicazioni intelligenti,
compreso il riconoscimento degli oggetti, percezione dell'ambiente, ed autonomo
navigazione. Tuttavia, l'implementazione di modelli di deep learning direttamente spesso
I dispositivi edge con risorse limitate richiedono ingombri di memoria significativi e
potenza computazionale per l’inferenza in tempo reale utilizzando il tradizionale calcolo digitale
architetture. In questo documento, presentiamo WISE, una nuova architettura informatica
per reti edge wireless progettate per superare i vincoli energetici in profondità
inferenza di apprendimento. WISE raggiunge questo obiettivo attraverso due innovazioni chiave:
accesso al modello disaggregato tramite trasmissione wireless e calcolo fisico
di moltiplicazioni generali matrice-vettore a valori complessi direttamente alla radio
frequenza. Utilizzando una piattaforma radio definita dal software con trasmissione in modalità wireless
il modello pesa in aria, dimostriamo che WISE raggiunge 95.7% immagine
precisione di classificazione con potenza operativa estremamente bassa di 6.0 fJ/MAC per
cliente, corrispondente ad un'efficienza di calcolo di 165.8 TOP/L. Questo
L'approccio consente l'inferenza del deep learning ad alta efficienza energetica in modalità wireless
dispositivi periferici connessi, ottenendo miglioramenti di oltre due ordini di grandezza
in efficienza rispetto al tradizionale calcolo digitale.

Questo articolo esplora i giri e le loro implicazioni.

Scarica PDF: