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
White Paper
기계 제조업체의 변화를 주도하는 기술 혁신
연결된 스마트 기계와 Siemens의 포괄적 디지털 트윈으로 경쟁우위 확보
White Paper
디지털 트윈 제조: 차세대 기계 설계
기계 엔지니어링 분야를 주도하는 Siemens는 업계의 경계를 확장하는 혁신적인 설계 솔루션을 제공합니다. 차세대 기계 설계를 살펴보고 혁신을 실현하십시오.