支持CNN与LSTM的二值权重神经网络芯片

深度神经网络在图像分类、语音识别、视频检测等领域都取得了巨大的成功,这些领域主要采用了卷积神经网络(CNN)、长短期记忆(LSTM)中的一种或者两种网络类型。由于CNN和LSTM网络结构的差异使得现有深度神经网络加速器无法同时高效支持这两种网络类型。权重二值化使得加速器对于CNN和LSTM的同时支持更加高效,同时使得计算复杂度和访存量大幅降低,使得神经网络加速器能够获得更高的能效,并且二值权重对中小规模神经网络模型的精度损失的影响非常有限。本文提出了一种高效支持CNN与LSTM的二值权重神经网络加速器设计结构,该结构在运行CNN和LSTM网络模型时,其核心运算单元利用率超过已有加速器,并且该加速器通过了片上系统(SoC)芯片验证,经过芯片实测,该加速器芯片能效在SoC系统级别达到了6.43 TOPS/W。

面向深度可分离卷积的硬件高效加速器设计

采用深度可分离(DS)卷积替代标准卷积已成为神经网络轻量化设计的趋势,但是由于深度可分离卷积不规则的数据维度和数据尺寸,现有卷积神经网络加速器在处理这类网络时计算并行度和计算单元(PE)利用率无法得到保证,导致加速器计算性能降低。针对这一问题,本文提出一种通道朝向的计算数据流,该数据流能够将数据维度不同的Depthwise卷积、Pointwise卷积和标准卷积在统一的数据流下展开运算。基于该数据流,设计了一款面向深度可分离卷积的加速器,该加速器采用统一的计算核心处理深度可分离卷积中各类卷积运算,在低面积开销下实现了高计算并行度。实验结果表明,与目前现有的深度可分离卷积加速器相比,该设计获得了1.32倍处理速度和1.76倍面积效率的提升。

用高压三甘醇法处理涤纶长丝熔体管路碳化

文章比较了处理涤纶长丝熔体管路碳化常用方法:常压三甘醇法、锻烧法、更换法、钻削法、高压三甘醇法等五种方法的优缺点。详细介绍了用高压三甘醇法处理碳化时间长达5年的熔体管路的做法和经验。笔者认为此法是目前最经济、实用、行之有效的方法。

用高压三甘醇法处理涤纶长丝熔体路碳化

比较了处理涤纶长丝熔体管路碳化常用方法：常压三甘醇法、锻烧法、更换法、钻削法、高压三甘醇法等5种方法的优缺点，详细介绍了用高压三醇法处理碳化时间长达5年的熔体管路的做法和经验，认为此法是目前是最经济、实用、行之有效的方法。

德国巴马格卷绕头刚性转子稳定性的探讨

介绍了刚性转子动平衡数据不稳的几种可能情况及采取的措施，最后找到了刚性转子槽辊动平衡数据不稳的原因。

FDY设备的优化改造

新乡白鹭化纤集团合纤分厂引进瑞士Ｒｉｅｔｅｒ公司的ＦＤＹ生产设备，由于多种原因，开车以后生产很不稳定，产品的合格率较低，乌斯特值高达３．５％。两年多来，该厂对设备进行了部分技术改造，使生产稳定，产品质量有了很大提高。１侧吹风整流装置的改造原设计的侧吹...