AI加速器設計[計算機架構與系統實驗室]

AI加速器設計. 研究主題. Micro Darknet For Inference – MDFI. 開發MDFI協助神經網路推論加速器設計. 團隊成員. 現任成員. 研究計畫. 執行中的計畫 ... 跳至內容 計算機架構與系統實驗室 ComputerArchitectureandSystemLaboratory 使用者工具 登入 網站工具 搜尋 工具顯示原始碼舊版輸出PDF檔案反向連結最近更新多媒體管理器網站地圖登入> 最近更新多媒體管理器網站地圖 側欄 zh-twen 首頁 教育部專區 教育部CPU課程計畫 研究成果 可供轉移之技術 公開著作 計畫案 博士論文 碩士論文 競賽得獎 研究群組 CPU架構設計 GPGPU架構設計 AI加速器設計 實驗室成員 指導教授 畢業校友 課程 計算機組織 計算機結構 邏輯系統 邏輯系統實習 人工智慧晶片設計與應用 Caslab專區 行事曆 CASLAB操作手冊 為什麼要用Wiki GitServer group:ai 目錄表 AI加速器設計 研究主題 MicroDarknetForInference–MDFI 開發MDFI協助神經網路推論加速器設計 團隊成員 現任成員 研究計畫 執行中的計畫 AI加速器設計 研究主題 MicroDarknetForInference–MDFI 本項目開發一支C-codeonly的優化推論程式Framework稱MDFI，它可讀入由Darknet訓練完成的networkconfiguration檔以及networkweight檔，然後依照network順序帶入訓練參數(weights)進行Inference運算並輸出結果。

MDFI支援Imageclassification(Alexnet,Resnet50,Resnet152,Vgg16,TinyDarknet等)與Objectdetection(Yolov3,Yolov3tiny)、原始碼支援configurablenetworkmodel編譯。

開發MDFI協助神經網路推論加速器設計 MDFI只需GNUCLibrary(glibc)，不需要其他套件。

MDFI作為純C語言構成的前向傳導框架，主要支援物件辨識網路模型，不使用動態函式庫如Protocol-buffer，以及保持不到280KByte的執行檔大小，適合為終端移動設備所使用。

由於不使用動態函式庫，其運算行為可作為AI加速硬體設計的參照，作為ESL的前期描述模型。

圖4為MDFI對比其他Framework有較少的函式庫依賴。

顯示MDFI在整體加速器實作流程的位置及其重要性。

團隊成員 現任成員 博士班N/A 碩士班二年級N/A 碩士班一年級N/A 大學部N/A 研究計畫 執行中的計畫 DevelopEnergyEfficientAIAccelerationSchemesforEdgeAIApplications 研究成果 研究群組 實驗室成員 課程 CPU架構設計•GPGPU架構設計•AI加速器設計 →此頁連結 group/ai.txt·上一次變更:2019/09/2409:37由admin 頁面工具 顯示原始碼舊版反向連結輸出PDF檔案回到頁頂 若無特別註明，本wiki上的內容都是採用以下授權方式：CCAttribution-ShareAlike4.0International