Name: Towards Heterogeneous Multi-Core Systems-On-Chip for Edge Machine Learning: Journey from Single-Core Acceleration to Multi-Core Heterogeneous Systems (en Inglés)
Price: 155.53 USD
Availability: InStock
Author: Jain, Vikram ; Verhelst, Marian
ISBN: 9783031382291

portada Towards Heterogeneous Multi-Core Systems-On-Chip for Edge Machine Learning: Journey from Single-Core Acceleration to Multi-Core Heterogeneous Systems (en Inglés)

Formato

Libro Físico

Autor

Marian Verhelst

Vikram Jain

Editorial

Springer

Idioma

Inglés

N° páginas

186

Encuadernación

Tapa Dura

Dimensiones

23.4 x 15.6 x 1.3 cm

Peso

0.48 kg.

ISBN13

9783031382291

N° edición

Categorías

Electrónica: circuitos y componentes
Arquitectura y diseño lógico de ordenadores
Inteligencia artificial

Towards Heterogeneous Multi-Core Systems-On-Chip for Edge Machine Learning: Journey from Single-Core Acceleration to Multi-Core Heterogeneous Systems (en Inglés)

Marian Verhelst (Autor) · Vikram Jain (Autor) · Springer · Tapa Dura

Libro Nuevo

$ 155.53

$ 311.06

Ahorras: $ 155.53

50% descuento

Envío normal

Origen: Estados Unidos (Costos de importación incluídos en el precio)

Se enviará desde nuestra bodega entre el Viernes 19 de Julio y el Martes 30 de Julio.

Lo recibirás en cualquier lugar de Ecuador entre 1 y 3 días hábiles luego del envío.

Reseña del libro "Towards Heterogeneous Multi-Core Systems-On-Chip for Edge Machine Learning: Journey from Single-Core Acceleration to Multi-Core Heterogeneous Systems (en Inglés)"

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.