Implementación mediante OpenCL de Convolutional Neural Networks sobre plataformas FPGA de bajo consumo
[ES] El TFM consistirá en la implementación de redes neuronales profundas de tipo Convolutional Neural Networks. La metodología de implementación será mediante OpenCL y la plataforma de trabajo serán placas con FPGAs de bajo coste y bajo consumo que haga viable económicamente y técnicamente la &...
| Autor: | |
|---|---|
| Formato: | tesis de maestría |
| Fecha de publicación: | 2023 |
| País: | España |
| Recursos: | Universitat Politècnica de València (UPV) |
| Repositorio: | RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia |
| Idioma: | español |
| OAI Identifier: | oai:riunet.upv.es:10251/197743 |
| Acesso em linha: | https://riunet.upv.es/handle/10251/197743 |
| Access Level: | acceso abierto |
| Palavra-chave: | Convolutional Neural Network FPGA OpenCL TECNOLOGIA ELECTRONICA Máster Universitario en Ingeniería de Sistemas Electrónicos-Màster Universitari en Enginyeria de Sistemes Electrònics |
| Resumo: | [ES] El TFM consistirá en la implementación de redes neuronales profundas de tipo Convolutional Neural Networks. La metodología de implementación será mediante OpenCL y la plataforma de trabajo serán placas con FPGAs de bajo coste y bajo consumo que haga viable económicamente y técnicamente la "computation at the edge". En la implementación trabajarán colaborativamente un host de tipo ARM cortex A9 y un kernel o kernels implementados sobre tecnología FPGA de la familia Cyclone V Estos kernel implementará capas de tipo "convolution" , de tipo AvgPool (o MaxPool) y capas de tipo densa con la suficiente versatilidad como para reusarlas tantas veces sea necesario (dependiendo de la profundidad de la red profunda) para implementar las diferentes redes CNN que serán evaluadas. Items importantes en el TFM será hacer un estudio de la cuentificación necesaria a utilizar y la utilización de arquitecturas sistólicas en alguno de los kernels propuestos |
|---|