论文部分内容阅读
忆阻器（memristor)能够将存储和计算的特性融合，可用于构建存储计算一体化的PIM(processing-in-memory)结构.但是，由于计算阵列以及结构映射方法的限制，基于忆阻器阵列的深度神经网络计算需要频繁的AD/DA转换以及大量的中间存储，导致了显著的能量和面积开销.提出了一种新型的基于忆阻器的深度卷积神经网络近似计算PIM结构，利用模拟忆阻器大大增加数据密度，并将卷积过程分解到不同形式的忆阻器阵列中分别计算，增加了数据并行性，减少了数据转换次数并消除了中间存储，从而实现了加速和节能.针对