1
Sveiki, kā varam palīdzēt?

Towards Heterogeneous Multi-core Systems-on-Chip for Edge Machine Learning: Journey from Single-core Acceleration to Multi-core Heterogeneous Systems, Towards Heterogeneous Multi-core Systems-on-Chip for Edge Machine Learning: Journey from Single-core Acceleration to Multi-core Heterogeneous Systems

Specifikācijas:
Autors: Marian Verhelst,Vikram Jain
Lapaspušu skaits: 212
Izdošanas gads: 2024
Preces ID: 124717267
Tikai lietotnē 220.lv PLUS biedriem! Saņem līdz 4x vairāk 220.lv naudā!*
  • Pilna cena
  • Nomaksa 0,99% (60 mēn.)
    No 338 x 60 mēn.

220.lv PLUS cena

12725

Parastā cena

18178

220.lv PLUS cena

12725
No 338 / mēn.
Pārdevējs:

Rīgā, veikalā (Krasta iela 52)

14. augustā

000

Saņemiet Omniva pakomātā

14. augustā

249

Piegādāsim uz mājām

14. augustā

399

Uzmanību! Piegādes nosacījumi ir provizoriski, jo noteikumi tiek atjaunināti atkarībā no faktiskā pasūtījuma veikšanas laika un apmaksas. Galīgais piegādes termiņš tiek norādīts, kad 220.lv apstiprina pasūtījumu.

Saņemiet Omniva pakomātā

14. augustā

249

Piegādāsim uz mājām

14. augustā

499

Uzmanību! Piegādes nosacījumi ir provizoriski, jo noteikumi tiek atjaunināti atkarībā no faktiskā pasūtījuma veikšanas laika un apmaksas. Galīgais piegādes termiņš tiek norādīts, kad 220.lv apstiprina pasūtījumu.

Pārdevējs:
  • 88% pircēju ieteiktu šo pārdevēju.
Lejupielādē lietotni un saņem 10 € 220.lv naudā*
Informācija

Preces apraksts: Towards Heterogeneous Multi-core Systems-on-Chip for Edge Machine Learning: Journey from Single-core Acceleration to Multi-core Heterogeneous Systems

This book explores and motivates the need for building homogeneous and heterogeneous multi-core systems for machine learning to enable flexibility and energy-efficiency. Coverage focuses on a key aspect of the challenges of (extreme-)edge-computing, i.e., design of energy-efficient and flexible hardware architectures, and hardware-software co-optimization strategies to enable early design space exploration of hardware architectures. The authors investigate possible design solutions for building single-core specialized hardware accelerators for machine learning and motivates the need for building homogeneous and heterogeneous multi-core systems to enable flexibility and energy-efficiency. The advantages of scaling to heterogeneous multi-core systems are shown through the implementation of multiple test chips and architectural optimizations.

Kopīgā informācija par: Towards Heterogeneous Multi-core Systems-on-Chip for Edge Machine Learning: Journey from Single-core Acceleration to Multi-core Heterogeneous Systems

Preces ID: 124717267
Kategorija: Grāmatas par dārzkopību
Preču iepakojumu skaits: 1 gab.
Iepakojuma izmēri un svars (1): 0,235 x 0,155 x 0,012 m, 0,33 kg
Izdevniecība: Springer International Publishing
Izdošanas valoda: Angļu
Grāmatas vāku tips: Mīkstie
Formāts: Tradicionālā grāmata
Autors: Marian Verhelst,Vikram Jain
Lapaspušu skaits: 212
Izdošanas gads: 2024

Produktu attēliem ir ilustratīva nozīme un tie ir kā piemēri. Produkta aprakstā esošie video ir paredzēti tikai informatīviem nolūkiem, tāpēc tajos iekļautā informācija var atšķirties no paša produkta. Krāsas, piezīmes, parametri, izmēri, izmēri, funkcijas, un/vai jebkuras citas oriģinālo izstrādājumu īpašības var atšķirties no to faktiskā izskata, tāpēc, lūdzu, skatiet produkta specifikācijās norādīto produkta aprakstu.

Arī citi interesējās
Partneru piedāvājumi
Reklāma

Vērtējumi un atsauksmes (0)

Towards Heterogeneous Multi-core Systems-on-Chip for Edge Machine Learning: Journey from Single-core Acceleration to Multi-core Heterogeneous Systems
Esiet pirmais, kurš atstāj atsauksmi!
Šo preci var novērtēt tikai tie pircēji, kas to ir iegādājušies un reģistrējušies 220.lv.
Novērtēt preci

Jautājumi un atbildes (0)

Jautājiet citiem pircējiem par šo produktu!
Uzdot jautājumu
Jūsu jautājums ir veiksmīgi nosūtīts. Atbilde uz šo jautājumu tiks sniegta 3 darba dienu laikā
Jautājumam jāsatur vismaz 10 rakstzīmes

Rekomendējam kopā ar: Towards Heterogeneous Multi-core Systems-on-Chip for Edge Machine Learning: Journey from Single-core Acceleration to Multi-core Heterogeneous Systems


Labākais no Patogupirkti