Bis zu 50 % günstiger als neu 3 Jahre rebuy Garantie Professionelles Refurbishment
ElektronikMedien
Tipps & News

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Towards Heterogeneous Multi-core Systems-on-Chip for Edge Machine Learning

Vikram Jain, Marian Verhelst (Broschiert, Englisch)

Keine Bewertungen vorhanden
Optischer Zustand
Beschreibung
This book explores and motivates the need for building homogeneous and heterogeneous multi-core systems for machine learning to enable flexibility and energy-efficiency. Coverage focuses on a key aspect of the challenges of (extreme-)edge-computing, i.e., design of energy-efficient and flexible hardware architectures, and hardware-software co-optimization strategies to enable early design space exploration of hardware architectures. The authors investigate possible design solutions for building single-core specialized hardware accelerators for machine learning and motivates the need for building homogeneous and heterogeneous multi-core systems to enable flexibility and energy-efficiency. The advantages of scaling to heterogeneous multi-core systems are shown through the implementation of multiple test chips and architectural optimizations.
106,99 €
Broschiert | Neu

oder

Auf Lager Versandbereit in 2-3 Werktagen
zzgl.

Du kannst wie immer einen Kaufalarm setzen, wenn du auf das gebrauchte Buch warten möchtest.

Auf Lager Versandbereit in 2-3 Werktagen
zzgl.

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Technische Daten


Erscheinungsdatum
18.09.2024
Sprache
Englisch
EAN
9783031382321
Herausgeber
Springer International Publishing
Sonderedition
Nein
Autor
Vikram Jain, Marian Verhelst
Seitenanzahl
186
Einbandart
Broschiert
Buch Untertitel
Journey from Single-core Acceleration to Multi-core Heterogeneous Systems
Schlagwörter
Edge AI, machine learning, hardware accelerators, homogeneous and heterogeneous systems, deep learning
Thema-Inhalt
TJFC - Schaltkreise und Komponenten (Bauteile) UKM - Eingebettete Systeme UYQM - Maschinelles Lernen UYF - Rechnerarchitektur und Logik-Entwurf
Höhe
235 mm
Breite
15.5 cm

Hersteller: Springer, Europaplatz 3, Heidelberg, Deutschland, 69115, ProductSafety@springernature.com, Springer Nature Customer Service Center GmbH

Warnhinweise und Sicherheitsinformationen

Informationen nach EU Data Act

-.-
Leider noch keine Bewertungen
Leider noch keine Bewertungen
Schreib die erste Bewertung für dieses Produkt!
Wenn du eine Bewertung für dieses Produkt schreibst, hilfst du allen Kund:innen, die noch überlegen, ob sie das Produkt kaufen wollen. Vielen Dank, dass du mitmachst!