| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| 8 | 9 | 10 | 11 | 12 | 13 | 14 |
| 15 | 16 | 17 | 18 | 19 | 20 | 21 |
| 22 | 23 | 24 | 25 | 26 | 27 | 28 |
| 29 | 30 | 31 |
- Qubit
- 클라우드
- kubernetes
- SpMM
- nvidia
- convolution
- POD
- Semiconductor
- 딥러닝
- FPGA
- DRAM
- Compression
- jhDNN
- 반도체기초
- HA
- cloud
- quantum_computing
- 쿠버네티스
- flash_memory
- deep_learning
- GPU
- dnn
- C++
- sycl
- 양자역학의공준
- CUDA
- CuDNN
- jhVM
- 반도체
- stl
- Today
- Total
목록2022/05/08 (2)
Computing
회로 기초 (2) Kirchhoff's laws 키르히호프의 법칙
Kirchhoff's laws 키르히호프는 lumped circuit 분석을 위한 두 가지 법칙을 제안하였다. 두 법칙은 각각 Kirchoff's current law와 Kirchoff's voltage law이다. 두 법칙을 이용하여 회로의 각 element의 전압과 전류를 알 수 있다. (1) Kirchoff's Current Law 한 노드로 들어가는 전류의 합은 0이다. 즉 한 노드로 들어온 시간 당 전자의 양과 나간 전자의 양은 같다. 전하량 보존을 의미한다 (노드에서 전하량은 생성되거나 사라지지 않는다.). Fig 1.은 키르히호프의 전류 법칙을 나타내는 그림이다. 각 전류 i에 대하여 그 절대값의 합은 0이다. (2) Kirchhoff's Voltage Law 전압은 두 지점의 전위차(상대적..
cuDNN Convolution FWD Algorithm 분석 (2) 성능 분석 with 일반 데스크탑
이전 글 : 2022.05.04 - [Deep Learning/jhDNN] - cuDNN Convolution FWD Algorithm 분석 (1) Overview 이전 글에서 cuDNN의 convolution forward algorithm에 대하여 간략히 분석해 보았다. 오늘은 각 알고리즘의 성능을 많이 사용되는 convolution layer configuration 별로 정리하고자 한다. 실험 환경 이 실험은 게임 실행을 위해 설계된 데스크탑 시스템에서 진행되었다. 일반적인 게이밍 환경에서의 결과 리포트는 이것이 (거의) 처음일 것이니, 이 실험 환경 또한 큰 기여를 할 것이라고 생각한다. Table 1.은 실험 환경을 정리한 표이다. 모든 실험은 50회 반복 실행한 결과이며, 시간은 50회 실행..