백서
에지 기계 학습: HLS를 이용한 전력 및 성능 최적화
기계 학습을 에지(edge)로 옮기려면 전력과 성능 면에서 중요한 요구사항이 뒤따릅니다. 평범한 상용 솔루션을 사용하는 방안은 실용적이지 않습니다. CPU는 너무 느리고, GPU/TPU는 비싼 데다 전력 소모량이 너무 크며 심지어 일반적인 기계 학습 가속기조차 사양이 과도하고 전력에 최적화되어 있지 않기 때문입니다. 이 글에서는 차세대 에지 기계 학습 하드웨어 수요에 부합하는 새로운 전력/메모리 효율적인 하드웨어 아키텍처를 만드는 방법에 대해 다룹니다.
관련 자료
Case Study
Siemens 솔루션을 사용하여 순수 전기 복합 항공기의 제품 개발 시간을 단축하는 비행기 제조업체
Bye Aerospace는 NX, Fibersim 및 Simcenter를 통해 엔지니어링 직원을 66% 줄여 생산성을 향상합니다
White Paper
클라우드 네이티브 CAD로 탁월한 성능과 유연성 활용
Siemens의 클라우드 네이티브 CAD 소프트웨어인 Capital Electra X를 사용하여 전기 설계 효율성과 협업을 강화하십시오. 자세히 알아보십시오.