توضیحاتی در مورد کتاب In-/Near-Memory Computing
نام کتاب : In-/Near-Memory Computing
عنوان ترجمه شده به فارسی : محاسبات درون/نزدیک به حافظه
سری : Synthesis Lectures on Computer Architecture
نویسندگان : Daichi Fujiki, Xiaowei Wang, Arun Subramaniyan, Reetuparna Das
ناشر : Morgan & Claypool Publishers
سال نشر : 2021
تعداد صفحات : 140
[142]
ISBN (شابک) : 9781636391878 , 1636391877
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 4 Mb
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
توضیحاتی در مورد کتاب :
این کتاب مقدمه ای ساختاریافته از مفاهیم و تکنیک های کلیدی را ارائه می دهد که محاسبات درون/نزدیک به حافظه را امکان پذیر می کند. برای چندین دهه، پردازش در حافظه یا محاسبات نزدیک به حافظه به دلیل پتانسیل آن برای شکستن دیواره حافظه، توجه روزافزونی را به خود جلب کرده است. محاسبات نزدیک به حافظه، منطق محاسباتی را به حافظه نزدیک می کند و در نتیجه حرکت داده ها را کاهش می دهد. کار اخیر همچنین نشان داده است که حافظههای خاصی میتوانند با بهرهبرداری از ویژگیهای فیزیکی سلولهای حافظه، خود را به واحدهای محاسباتی تبدیل کنند و محاسبات درجا را در آرایه حافظه ممکن میسازند. در حالی که محاسبات درون و نزدیک حافظه میتواند هزینههای سربار مربوط به جابجایی دادهها را دور بزند، به قیمت انعطافپذیری محدود نمایش دادهها و محاسبات، چالشهای طراحی حافظههای با قابلیت محاسبه، و مشکل در یکپارچهسازی سیستم و نرمافزار تمام میشود. بنابراین، استقرار گسترده محاسبات درون/نزدیک به حافظه بدون تکنیکهایی که نقشهبرداری کارآمد از برنامههای فشرده داده را برای چنین دستگاههایی امکانپذیر میسازد، بدون از بین بردن دقت یا افزایش بیش از حد هزینههای سختافزار، امکانپذیر نیست. این کتاب زیرلایههای حافظه مختلف را که برای محاسبات درون و حافظه نزدیک هستند، رویکردهای معماری برای طراحی دستگاههای محاسباتی کارآمد و قابل اعتماد و فرصتهایی برای شتابدهی درون/نزدیک به حافظه کلاسهای مختلف برنامهها توصیف میکند.
توضیحاتی در مورد کتاب به زبان اصلی :
This book provides a structured introduction of the key concepts and techniques that enable in-/near-memory computing. For decades, processing-in-memory or near-memory computing has been attracting growing interest due to its potential to break the memory wall. Near-memory computing moves compute logic near the memory, and thereby reduces data movement. Recent work has also shown that certain memories can morph themselves into compute units by exploiting the physical properties of the memory cells, enabling in-situ computing in the memory array. While in- and near-memory computing can circumvent overheads related to data movement, it comes at the cost of restricted flexibility of data representation and computation, design challenges of compute capable memories, and difficulty in system and software integration. Therefore, wide deployment of in-/near-memory computing cannot be accomplished without techniques that enable efficient mapping of data-intensive applications to such devices, without sacrificing accuracy or increasing hardware costs excessively. This book describes various memory substrates amenable to in- and near-memory computing, architectural approaches for designing efficient and reliable computing devices, and opportunities for in-/near-memory acceleration of different classes of applications.