5.2.3 卷积神经网络（CNN）的忆阻器映射

文档摘要

5.2.3 卷积神经网络（CNN）的忆阻器映射 5.2.3 卷积神经网络（CNN）的忆阻器映射：从权重张量到交叉阵列的工程化落地路径你有没有想过，当ResNet-50在GPU上以每秒300帧推理一张图像时，它的每一层卷积——那些被封装在模块背后、看似抽象的4D张量——其物理本质，不过是数百万个浮点乘加运算在硅基晶体管中反复开关的电荷脉冲？而当我们把目光投向忆阻器（memristor），这个被惠普实验室于2008年实证确认的“第四种基本电路元件”，事情就变得既迷人又棘手：它不靠晶体管开关，而是靠离子在氧化物薄膜中的迁移来模拟突触权重的连续可调性；它天然支持存内计算（in-memory computing），让乘法与累加在同一个物理位置同步发生；