Skip to Main content Skip to Navigation
Conference papers

Évaluation de deux architectures matérielles dédiées à l'inférence basée sur des réseaux de neurones convolutifs

Guillaume Devic 1 Abdoulaye Gamatié 1 Gilles Sassatelli 1
1 ADAC - ADAptive Computing
LIRMM - Laboratoire d'Informatique de Robotique et de Microélectronique de Montpellier
Résumé : Les systèmes embarqués sont de plus en plus utilisés pour exécuter des algorithmes d'intelligence artificielle, qui requièrent beaucoup de ressources matérielles, notamment en mémoire. Ces systèmes étant généralement dotés de ressources limitées, des architectures dédiées commencent à émerger, à l'image de celles proposées dans les deux cartes étudiées dans cet article : GAPuino et Coral Dev Board. Ces dernières s'appuient sur un accélérateur d'algorithmes d'inférence sous forme de réseau de neurones convolutifs (acronyme anglais, CNN). Nous évaluons ces deux cartes en implémentant un CNN entrainé avec la célèbre base de données MNIST. Nous étudions l'impact des architectures mémoires implantées dans les accélérateurs d'inférence, sur la performance et la puissance consommée par l'exécution des CNN.
Complete list of metadata

https://hal-lirmm.ccsd.cnrs.fr/lirmm-03041267
Contributor : Abdoulaye Gamatié <>
Submitted on : Saturday, January 2, 2021 - 3:43:01 PM
Last modification on : Wednesday, May 26, 2021 - 1:48:01 PM

File

Accel_Compas2020.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : lirmm-03041267, version 2

Collections

Citation

Guillaume Devic, Abdoulaye Gamatié, Gilles Sassatelli. Évaluation de deux architectures matérielles dédiées à l'inférence basée sur des réseaux de neurones convolutifs. Conférence francophone d'informatique en Parallélisme, Architecture et Système (Compas'2020), Jun 2020, Lyon, France. ⟨lirmm-03041267v2⟩

Share

Metrics

Record views

104

Files downloads

121