文件名称：MIT公开课-Vivienne Sze教授《深度学习硬件加速器》.pdf
文件大小：5.37MB
文件格式：PDF
更新时间：2023-03-10 11:59:09
深度学习 DNN FPGA硬件 加速
演讲主讲人是 Vivienne Sze，来自 MIT 的高效能多媒体系统组（Energy-Efficient Multimedia Systems Group）。她曾就读于多伦多大学，在 MIT 完成 PhD 学业并获得电气工程博士学位，目前在 MIT 任教。Sze 教授的主要研究兴趣是高效能算法和移动多媒体设备应用架构，她最近在MIT公开课给了《 Efficient Computing for Deep Learning, AI and Robotics》报告。 本次演讲的主题是 DNN 在硬件设备中的高效计算处理方法。随着深度学习算法效率逐渐提高，计算速度、延迟程度、耗能和硬件成本成为制约算法性能的瓶颈问题。如果能够解决这些问题，包括自动驾驶、无人机导航、智能手机、可穿戴设备和物联网设备就都能够受益于算法性能的提升。 在演讲中，Sze 教授首先会介绍 DNN 算法，以及它们在各类硬件上部署时可能带来的性能损失。更重要的是，演讲会提到基准测试和评价标准对设计高效 DNN 算法带来的影响。之后，Sze 教授会从算法角度硬件架构两个角度介绍减少耗能的方法。同时，演讲也会涵盖将这些方法应用于计算机视觉等领域。Sze 教授因多项成果获得过谷歌和 Facebook 的 faculty 奖等多个奖项。 本次演讲的主要目标如下： 1. 让硬件高效处理 DNN 的方法（非常多）； 2. 关注包括设计 DNN 硬件处理器和 DNN 模型的评估方法； 设计 DNN 硬件处理器和 DNN 模型的方法； 研究过程中，你应当问什么样的关键问题； 3. 具体地，演讲还会讨论； 真正需要评价和对比的评估指标体系； 达成这些指标的挑战； 了解设计中需要考虑到的问题，以及可能平衡在算法性能和耗能中遇到的问题； 4. 要关注硬件推理，但包括一部分训练的内容。