麻省理工学院（MIT）电气工程与计算机科学系的 Vivienne Sze 教授领导着 Energy-Efficient Multimedia Systems（EEMS） 研究组。该团队专注于设计和实现能效高的计算系统，以支持机器学习、计算机视觉和视频压缩等应用，涵盖自主导航、数字健康和物联网等领域。

研究方向

• 能效优化：通过联合设计算法、架构、VLSI 和系统，实现能效最优的计算系统。
• 深度学习硬件架构：开发专用加速器，如 Eyeriss 芯片，以提高深度神经网络的能效。
• 视频编码：参与 高效视频编码（HEVC） 标准的制定，提升视频压缩效率。

教学与培训

Sze 教授在 MIT 开设了多门课程，包括：

• 6.5930/1：深度学习的硬件架构
• 6.6010：数字集成电路的分析与设计

此外，她还参与 MIT 专业教育项目，教授 设计高效深度学习系统 等课程。

荣誉与奖项

• 2020 年：获得 ACM-W 的首届 Rising Star Award
• 2017 年：作为 JCT-VC 团队成员，因开发 HEVC 标准获颁 Primetime Engineering Emmy Award
• 多次获得：Google、Facebook、Qualcomm 等公司的学术奖项

近期研究成果

• Eyeriss 芯片：与 Joel Emer 教授合作，开发了 Eyeriss，这是一种能效高的深度神经网络加速器，通过优化数据流减少数据移动，显著降低能耗。
• RAELLA 架构：提出了 RAELLA（Reforming the Arithmetic for Efficient, Low-Resolution, and Low-Loss Analog Processing-In-Memory），旨在通过在内存中处理计算，减少数据移动距离，提高计算效率。

更多信息和详细研究内容，请访问 EEMS 实验室官网。 http://sze.mit.edu/

麻省理工学院（MIT）电气工程与计算机科学系的 Vivienne Sze 教授领导的 Energy-Efficient Multimedia Systems（EEMS） 实验室，专注于设计和实现高能效的计算系统，支持机器学习、计算机视觉和视频压缩等应用。以下是该实验室的一些重要论文、相关代码和项目：

论文

1. Efficient Processing of Deep Neural Networks: A Tutorial and Survey

   • 作者：Vivienne Sze, Yu-Hsin Chen, Tien-Ju Yang, Joel Emer
   • 发表时间：2017年
   • 简介：这篇论文详细介绍了深度神经网络（DNN）高效处理的各种方法，包括算法优化、硬件架构设计和能效权衡等方面。
   • 链接：IEEE Xplore

2. Eyeriss: An Energy-Efficient Reconfigurable Accelerator for Deep Convolutional Neural Networks

   • 作者：Yu-Hsin Chen, Tushar Krishna, Joel Emer, Vivienne Sze
   • 发表时间：2016年
   • 简介：该论文介绍了Eyeriss，这是一种针对深度卷积神经网络的高能效可重构加速器，旨在提高移动设备上深度学习应用的能效。
   • 链接：IEEE Xplore

3. NetAdapt: Platform-Aware Neural Network Adaptation for Mobile Applications

   • 作者：Tien-Ju Yang, Andrew Howard, Bo Chen, Xiao Zhang, Alec Go, Mark Sandler, Vivienne Sze, Hartwig Adam
   • 发表时间：2018年
   • 简介：该研究提出了NetAdapt方法，根据移动设备的特定平台约束，自动调整神经网络结构，以在满足资源限制的同时最大化性能。
   • 链接：ECCV 2018

代码

虽然并非所有论文都公开了代码，但以下项目提供了相关的开源实现：

1. Eyeriss v2

   • 简介：Eyeriss v2是Eyeriss加速器的改进版本，旨在支持新兴的深度神经网络，特别是那些具有稀疏性和不规则性的网络结构。
   • 代码：目前，Eyeriss v2的具体代码实现尚未公开，但相关的研究论文和资料可在以下链接找到。
   • 链接：Papers with Code https://paperswithcode.com/paper/eyeriss-v2-a-flexible-accelerator-fo

2. DeeperLab: Single-Shot Image Parser

   • 简介：DeeperLab是一种用于全景分割的单次图像解析器，能够同时进行物体检测和语义分割。
   • 代码：该项目的代码和相关资源可在以下链接找到。
   • 链接：GitHub https://github.com/google-research/deeplab

项目

1. Navion

   • 简介：Navion是一款为纳米级无人机自主导航设计的全集成高能效视觉惯性里程计加速器，功耗仅为2毫瓦。
   • 链接：IEEE Xplore

2. CiMLoop

   • 简介：CiMLoop是一个灵活、准确且快速的计算内存（Compute-In-Memory）建模工具，旨在评估和优化DNN加速器的设计。
   • 链接：arXiv

更多关于Vivienne Sze教授及其团队的研究成果和项目，请访问EEMS实验室官网。