دستیابی به تاخیر در حد نانوثانیه برای مدلهای هوش مصنوعی همیشه یکی از بزرگترین چالشهای سختافزاری بوده است. حالا محققان با معرفی «FPGN»، راهکار جدیدی برای استفاده بهینه از تراشههای FPGA در اجرای مدلهای عصبی ارائه کردهاند.
این فریمورک با نگاهی متفاوت، از «LUT»ها (جدولهای جستجو) به عنوان نورونهای یادگیرنده استفاده میکند تا برخلاف روشهای سنتی که فقط بر محاسبات ریاضی متکی بودند، بهینهسازی بسیار دقیقتری را در سطح سختافزار فراهم کند. این یعنی اجرای سریعتر و بهینهتر مدلهای سنگین هوش مصنوعی در محیطهای واقعی و حساس به زمان! ⚡️
منبع: arXiv Machine Learning