[参考译文] AM62A7-Q1：AM62A 和 TDA4VEN 之间的 C7x+MMA 版本

您好！

是的、您可以更正这些 C7x 不相同。 AM62A 使用 C7504、而 TDA4AEN (在架构上与 AM67A 非常相似)使用 C7524。 因为 C7是一个封闭的体系结构,所以低层次的特征是不能直接访问的——C7xMMA 被视为黑盒 AI 加速器。

也就是说、有一些差异会影响用户级别

• 增加了 L2高速缓存大小(AM62A 中为1.25MB、TDA4AEN 中为2.25MB)
• AEN 中的直方图/查找表支持、AM62A 中不存在。 这主要影响非线性激活
• AEN 上的第二个 C7xMMA --每个 C7xMMA 都是相当于2TOPS 的256位变体

BR、
Reese

感谢您的澄清！  

您能否说明什么  是非线性激活？

啊、当然可以。

我首先要指出的是、有许多很好的在线资源介绍了这些资源是什么以及它们存在的原因。 他们可能会给出比我下面的文字更直观的解释

简而言之、非线性激活通常是在混合了许多点/值的较大层(例如卷积)的输出上发生的点函数。 这会使原本是线性的算法出现某种"中断"、从而使其概括为基础数据中更复杂的函数和模式。 本质上、神经网络必须具有这些非线性才能在复杂数据上运行。

这方面的一些示例包括 Relu、SiLU、sigmoid、tanh (我建议查看 x-y 图的图像以了解这些示例。 有些是非常简单的像 RELU,这样几乎没有额外的计算涉及. 其他一些像 SiLU 或 TANH 这样的计算比较复杂--对于这些、查找表是加速量化数据的好方法。 对于8位量化、您基本上需要一个包含256个元素的表、从中获取非线性结果。

我们的文档中提到了其中的一些激活： https://github.com/TexasInstruments/edgeai-tidl-tools/blob/master/docs/supported_ops_rts_versions.md#feature-set-comparison-across-devices。

BR、
Reese

你(们)好  

感谢您的认真阅读。 我将在其中进行更深入的探讨。 同时、我的客户和我整理了这张表格、您能帮我填写其余的表格吗？  

谢谢！