AIC2021项目1-TPU 标签： aic2021 项目简介 设计一个具有4x4处理元素（PE）的张量处理单元（TPU），该计算元素能够计算(4*K)*(K*4) 8位整数矩阵乘法。 （其中K受输入全局缓冲区的大小限制） 项目约束 您的设计应使用Verilog语言编写。 您的PE不应超过4x4 ，建议使用2x脉动阵列结构。 8位数据长度设计。 全局缓冲区大小总计3KiBytes。 您应该知道，在现实世界中，TPU是公共总线上的深度学习处理器（DLP），数据是由CPU或DRAM连续从DRAM准备的。 在这个项目中，您应该只专注于TPU的设计和数据流，而不是包括CPU，DMA和DRAM在内的完整系统仿真（简单点） :grinning_face_with_smiling_eyes: 除非您需要更多挑战）。 项目目录层次 AIC2021_TPU/ +-- tb/ | +-- matmul.py | +-- top

基于MobileFacenet的Coral EdgeTPU支持的人脸识别 还提供了带有Tensorflow-2，EdgeTPU模型的Mobilefacenet，用于在Coral EdgeTPU上运行模型 介绍 来自Tensorflow 2版本的mobilefacenet 演示版 在带有Coral TPU的台式机上运行60 fps，在树莓派上运行约24 fps 用法 数据集 使用与使用的数据集相同的数据集进行训练。 CASIA用于训练，LFW用于测试。 训练 在train.py中更改指向图像数据集的目录。 我通过将RESUME设置为False直接使用ArcFace训练了模型，但是值得尝试使用softmax损失进行预训练 我添加了一个示例，以添加额外的标题以使用生成的嵌入来执行分类，在这里，我使用生成的嵌入来预测人是否戴着口罩。 您可以通过使用另一个数据集来获得更多乐趣 结果 经过训练的模型

浙江自然-乘户外产业之风，垂直一体化TPU龙头迎成长.pdf

知识蒸馏TPU 使用ResNet和简单的ConvNet进行的卫星图像分类器知识蒸馏。 这些模型在TPU上进行了训练。

GOOGLE公开TPU的论文

组织病理学检测 创建了一种算法，以识别从较大的数字病理扫描中获取的小图像斑块中的转移癌。 该比赛的数据是对PatchCamelyon（PCam）基准数据集的略微修改版本 动机 乳腺癌的临床诊断最好通过活检来实现。 病理学家通过在显微镜下手动检查组织切片来进行诊断。 但是，传统的诊断系统需要专业知识，只有经验丰富的病理学家才能准确地确定肿瘤组织。 当前，在印度的各个农村地区，人们无法获得良好的医疗保健设施。 另外，农村地区没有新的先进设备，因此甚至有可能无法正确诊断患者。 农村地区医疗状况不佳的主要原因之一是缺乏经验丰富的医生。 数据集 该研究使用的数据集是PatchCamelyon（PCam）[21]，[22]的略微修改版本。由于其概率抽样，原始PCam数据集包含重复图像，但是此版本不包含重复图像。 该数据集是开源的，可以从（ ）下载。 数据集包含超过220K张RGB图像，尺寸为96x

Google TPU V1/2/3芯片对比，以及V3性能分析

AIC2021项目1-TPU 标签： aic2021 项目简介 设计一个具有4x4处理元素（PE）的张量处理单元（TPU），该计算元素能够计算(4*K)*(K*4) 8位整数矩阵乘法。 （其中K受输入全局缓冲区的大小限制） 项目约束 您的设计应使用Verilog语言编写。 您的PE不应超过4x4 ，建议使用2x脉动阵列结构。 8位数据长度设计。 全局缓冲区大小总计3KiBytes。 您应该知道，在现实世界中，TPU是公共总线上的深度学习处理器（DLP），数据是由CPU或DRAM连续从DRAM准备的。 在这个项目中，您应该只专注于TPU的设计和数据流，而不是包括CPU，DMA和DRAM在内的完整系统仿真（简单点） :grinning_face_with_smiling_eyes: 除非您需要更多挑战）。 项目目录层次 AIC2021_TPU/ +-- tb/ | +-- matmul.py | +-- top

TPU公司（行业）薪酬管理制度方案-薪酬设计方案资料文集系列.docx

tensorflow2.x 训练模型的配置文件