بهینه سازی عملکرد مدار مجتمع قابل پیکر بندی برای پیاده سازی شبکه های عصبی عمیق
محل انتشار: اولین کنفرانس بین المللی و ششمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی
سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 146
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEITCONF06_057
تاریخ نمایه سازی: 26 خرداد 1402
چکیده مقاله:
استفاده از شبکه های عصبی عمیق رور به روز در حال افزایش است و هر روز کاربرد های بیشتری از آن مورد استفاده محققین قرار می گیرد.از طرفی پیاده سازی بهینه شبکه های عصبی عمیق روی سخت افزار ها همیشه یکی از دغدغه های مهم محققین بوده.چرا که آن ها می خواهند تمرکز خود را روی فریمورک های سطح بالایی همچون تنسورفلوها قرار دهند و با استفاده از زبان های سطح بالا مدل های خود راطراحی کنند و درگیر پیاده سازی های سخت افزاری دشوار نشوند.یکی از اصلی ترین سخت افزار هادر کنار کارت های گرافیک و پردازنده های ASIC برای پیاده سازی مدل های شبکه های عصبی عمیق FPGA ها هستند چرا که قابل باز پیکر بندی بودنشان گزینه های بهینه سازی زیادی را در اختیار مان قرار می دهد.در پژوهش پیش رو کامپایلری ارائه می شود که به طور خودکار می تواند مدل های شبکه های عصبی عمیق را از فریمورک های سطح بالایی همچون تنسورفلو دریافت کند و آن ها را به صورت بهینه روی FPGA ها پیاده سازی نماید.در این پژوهش ابتدا به فضاهایی که می توان آن ها را بهبود داد اشاره می شود وسپس روند کلی کامپایلر تشریح خواهد شد.در نهایت مشاهده می کنیم که نتایج کامپایلر تشریح خواهد شد.در نهایت مشاهده می کنیم که نتایج کامپایلر ارائه شده می تواند با ابزارهای تجاری موجود در بازار رقابت کند
کلیدواژه ها:
نویسندگان
مانی میرجوای
دانشجو کارشناسی ارشد معماری سیستم های کامپیوتری دانشگاه گیلان
مهدی امینیان
استادیار گروه مهندسی کامپیوتر ،دانشکده فنی دانشگاه گیلان