طراحي كاراي چيدمان داده براي شتاب‌دهنده‌هاي سخت‌افزاري شبكه‌هاي عصبي همگشتي

كارشناسي ارشد

امروزه دانش هوش مصنوعي و شبكه‌هاي عصبي عميق، روز به‌روز در حال گسترش است و كاربردهاي فراواني در زمينه‌هاي مختلف علوم و تكنولوژي دارد. كاربردهايي مانند پردازش تصوير، متن، صوت، تشخيص الگوها و بسياري از كاربردهاي ديگر. شبكه‌هاي عصبي همگشتي، يكي از اين شبكه‌هاست كه براي پردازش تصاوير و ويدئو‌ها از آن استفاده مي‌شود. يكي از مشكلات عمده‌ي شبكه‌هاي عصبي همگشتي، حجم بالاي داده‌ها و بزرگي شبكه‌ است. در زمان اجراي شبكه‌هاي عصبي همگشتي در سيستم‌هاي قابل حمل، با محدوديت در حافظه و توان مواجه مي‌شويم. ما در اين تحقيق با استفاده از روش‌هاي فشرده‌سازي، حجم اين شبكه‌ها را كاهش داديم و ساختار سخت‌افزاري براي شتاب‌دهنده‌هاي اين شبكه‌ها استفاده كرديم كه با فاكتورگيري از وزن‌هاي مشترك،‌ حجم محاسبات را كاهش مي‌دهد. براي اين سخت‌افزار خاص منظوره، متناسب با شيوه‌هاي فشرده‌سازي،‌ چينش داده‌اي پيشنهاد كرديم كه استفاده‌ي بهينه‌اي از منابع سخت‌افزاري داشته‌باشد. روش پيشنهادي‌ ما،‌ با استفاده فاكتورگيري از وزن‌ّها، ساختار كاشي‌كاري در سخت‌افزار و الگوريتمي براي چرخش داده ‌در داخل كرنل، اجراي موازي محاسبات را افزايش داده و مصرف توان را كاهش مي‌دهد. در اين روش، ارجاع به حافظه‌ي اصلي تا 13 برابر كاهش مي‌يابد. همچنين حجم محاسبات كم شده و مصرف انرژي تا 5 برابر كاهش مي‌يابد.

196588

دانشگاه علم و صنعت ايران

دكتر هاجر فلاحتي

مهندسي كامپيوتر

دكتر مهدي فاضلي- دكتر حاكم بيت الهي