Efficient Neural Networks on Off The Shelf devices

הרקע לפרויקט:

תהליכי למידה והסקה הפכו להיות כלי מרכזי במגוון תחומי דעת. מימוש אלגוריתמים וארכיטקטורות ללמידת מכונה כגון רשתות ניורונליות באופן יעיל במשאבים הפך להיות קריטי כיוצא מהשימוש הנרחב וטביעת האצבע האנרגטית וכו'. רכיבי קצה דלים במשאבים קרדינליים למגוון אפליקציות רלוונטיות לטכנולוגיות אלו כגון רכיבים עתירי רגשים, בפרדיגמה הזו עלינו לאפשר חישוב יעיל אנרגטי עם פגיעה חסומה בשיהוי וצריכת זכרון יעילה. אם כך האצת חישובים דרושים היא בעיה ראויה למחקר והתקדמות.

מטרת הפרויקט:

מטרת הפרויקט הכללית הינה שיפור היכולת של מעבדי קצה להתמודד עם רשתות בתקורה מינימאלית וניצול יעיל של המשאבים הנתונים להם.

תכולת הפרויקט:

• הסטודנטים ינתחו מספר אלגוריתמים וארכיטקטורות.
• הסטודנטים יוסיפו על גבי סביבת מעבד מודולורי פקודות מיוחדות ל ISA בשפה עילית השגורות כפרוצדורות.
• הסטודנטים יוסיפו תמיכה יעילה ב SEQUENCING של תהליכי החישוב וניהול הזכרון\המשקולות
• הסטודנטים יבצעו השוואה לפתרון קיים וינתחו את שיפור הביצועים באופן כללי.

קורסי קדם:

• מיקרו מעבדים

דרישות נוספות:

יתרון ארכיטקטורת מחשבים מתקדמת

מקורות:

1. V Verma.,"EXTREM-EDGE—EXtensions To RISC-V for Energy-efficient ML inference at the EDGE of IoT"