高能物理和网络安全等应用需要极高的吞吐量和低潜伏神经网络(NN)推断。基于查找的NNS通过将NN作为查找表(LUTS)实现,在纳米秒的顺序上实现推理潜伏期来解决这些约束。由于LUTS是一个基本的FPGA构建块,因此基于LUT的NNS有效地映射到FPGA。逻辑(及其继任者)构成了一类基于LUT的NNS,该NN靶向FPGA,将神经元直接映射到LUTS,以满足低潜伏期约束,并以最少的资源来满足低潜伏期的约束。但是,很难构建更大的,更具性能的基于LUT的NN(例如Logicnets),因为LUT使用情况相对于Neu-ron fan-In(即突触×突触×突触位宽度)呈指数增长。一个大的基于LUT的NN迅速在FPGA上耗尽了LUT。我们的工作Amigolut通过创建基于较小的LUT的NNS的合奏来解决此问题,从而相对于模型数量线性扩展。Amigolut提高了基于LUT的NNS的可扩展性,达到更高的吞吐量,而LUTS比最大的基于LUT的NNS少了。
▪ 与有意成为 BBVA 客户的朋友分享个性化促销代码,始终遵守用于传达个性化促销代码的手段的使用条款和条件,并且个性化促销代码的使用次数不得超过第 6 节中规定的“使用次数”。作为“BBVA 教父”,您必须勤勉行事,仅在有意成为 BBVA 客户的朋友和家人的环境中分享个性化促销代码。如果您以大量欺诈方式发送个性化促销代码,或者在有意成为 BBVA 客户的好友圈之外创建集体“垃圾邮件”(如第 16 和 18 条所示),则促销活动将自动取消,但不影响本法律条款和条件中规定的参与促销活动的任何其他条件。同样,您不得使用群发消息工具或冒充或模拟使用非本人身份的其他人发送个性化促销代码。