Évaluation de deux architectures matérielles dédiées à l'inférence basée sur des réseaux de neurones convolutifs - LIRMM - Laboratoire d’Informatique, de Robotique et de Microélectronique de Montpellier
Communication Dans Un Congrès Année : 2020

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

Guillaume Devic
Abdoulaye Gamatié
Gilles Sassatelli

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.
Fichier principal
Vignette du fichier
Accel_Compas2020.pdf (746.45 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Dates et versions

lirmm-03041267 , version 1 (04-12-2020)
lirmm-03041267 , version 2 (02-01-2021)

Identifiants

  • HAL Id : lirmm-03041267 , version 2

Citer

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

Partager

More