کاهش انرژی مصرفی دستگاههای هوش مصنوعی لبه با استفاده از حساب تقریبی و هم طراحی سخت افزار و نرم افزار

نوع: Type: پایان نامه

مقطع: Segment: کارشناسی ارشد

عنوان: Title: کاهش انرژی مصرفی دستگاههای هوش مصنوعی لبه با استفاده از حساب تقریبی و هم طراحی سخت افزار و نرم افزار

ارائه دهنده: Provider: پوریا برکتی - مهندسی کامپیوتر

اساتید راهنما: Supervisors: دکتر حاتم عبدلی

اساتید مشاور: Advisory Professors: دکتر مهدی عباسی

اساتید ممتحن یا داور: Examining professors or referees: دکتر رضا محمدی ، دکتر عباس رمضانی

زمان و تاریخ ارائه: Time and date of presentation: ساعت 12:30 - 1405/6/22

مکان ارائه: Place of presentation: اتاق ۳۴ گروه برق

چکیده: Abstract: گسترش هوش مصنوعی لبه، پردازش نزدیک به منبع داده را امکان پذیر کرده و وابستگی به زیرساخت ابری را کاهش داده است؛ بااینحال، محدودیت توان، حافظه و منابع منطقی، همراه با الزامات تأخیر، استقرار مدل های یادگیری ماشین را در این بستر دشوار می سازد. پژوهش حاضر با هدف کاهش مصرف منابع سخت افزاری و توان تخمینی استنتاج، رویکردی مبتنی بر هم طراحی سختافزار–نرم افزار ارائه می کند. در این رویکرد، تصمیم های مربوط به مدل، نمایش عددی، عملگر محاسباتی و تقسیم وظایف سامانه به صورت هماهنگ اتخاذ می شوند تا توازنی سنجشپذیر میان دقت، توان، منابع و تأخیر برقرار شود. برای ارزیابی روش، یک شبکه پرسپترون چندالیه آموزش دیده بر مجموعه داده MNIST به عنوان مدل مرجع انتخاب شد. وزن ها به نزدیک ترین توان صحیح دو نگاشت و مقادیر کوچک تر از آستانه هرس شدند . در نتیجه، ضرب عمومی وزن و ورودی با شیفت جایگزین شد. مدل قابل سنتز تبدیل و نتایج شبیهسازی شد. قالب های ممیز ثابت به صورت الیه ای انتخاب شدند و دو اصالح تکمیلی، شامل حذف محاسبات متناظر با ورودی یا وزن صفر و حذف ثبات میانی غیرضروری، به مسیر داده افزوده شد. برای آزمون تعمیم پذیری روش، یک مسیر مستقل مبتنی بر -10CIFAR و -20ResNet نیز ارزیابی شد.نتایج این روش ، کارایی زنجیره پیشنهادی را از سطح مدل تا طرح نهایی مسیریابیشده تأیید می کنند . این نتایج نشان میدهند که ترکیب تقریب توان دو، هرس، حذف محاسبات صفر، بهینه سازی ثباتها و تعیین مرز مناسب سختافزار–نرم افزار، با افت محدود دقت، به کاهش منابع و توان تخمینی می انجامد.