折叠式 FPGA 语音增强实现稀疏加速
热点事件持续更新
折叠式 FPGA 语音增强实现稀疏加速
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Clément Laroche发表折叠式 FPGA 语音增强加速器研究，提出分别针对权重存储和可移除计算的训练目标；在 Kria KV260 上部署的位精确实现中，最佳稀疏模型减少47.3%的卷积乘加运算，相较同场测量的存储定价模型，帧处理时间从1.86毫秒降至1.03毫秒、动态能耗从83微焦降至33微焦，语音质量也更高。 论文还报告，若与另行测量的最高效稠密实现相比，帧处理时间降低42%、能耗降低48%；这与前述同场比较采用的基准不同。
AI 根据报道生成 · 40 分钟前更新
最新进展10月28日 12:00
折叠式 FPGA 语音增强器实现低精度存储与稀疏执行报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine Learning折叠式 FPGA 语音增强器实现低精度存储与稀疏执行
该研究为折叠式 FPGA 语音增强加速器提出分别针对权重存储与可移除计算定价的训练目标，并在 Kria KV260 上部署位精确实现。稀疏模型削减 47.3% 卷积 MAC，使帧时间从 1.86 ms 降至 1.03 ms、动态能耗从 83 降至 33 μJ/frame，且语音质量更高（相较同次测量的存储定价模型）。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。