AI Architecture 5. 데이터의 무게: FP32가 하드웨어 면적과 전력 소모에 미치는 영향
지난 글에서는 학습(Training)과 추론(Inference)의 차이를 통해, 추론 전용 NPU가 어떻게…
-
-
AI Architecture 4. 학습(Training) vs 추론(Inference)
지난 글들에서 우리는 MAC 연산기와 메모리 계층, 그리고 병렬 처리(SIMD)가…
-
AI Architecture 3. 행렬곱(MatMul)의 미학: 딥러닝이 GPU/NPU를 선택한 이유
지난 글들에서 우리는 AI에서 인공 뉴런의 기본 연산인 MAC(Multiply-Accumulate)이 하드웨어에서…
-
AI Architecture 2. 활성화 함수의 비용: ReLU vs Sigmoid
지난 포스팅에서 우리는 인공 뉴런의 핵심인 MAC(Multiply-Accumulate) 연산이 하드웨어, 특히…
-
AI Architecture 1. 인공 뉴런의 해부: silicon에서 Y=WX+B 구현
AI 딥러닝을 처음 공부할 때, 우리는 가장 먼저 퍼셉트론(Perceptron), 즉…
-
[Verilog] RTL 설계: Glitch-free Clock Mux
저전력 설계가 중요해지면서, 칩이 바쁠 때는 고속 클럭(PLL)을 쓰고, 대기…
