Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski pl
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

High Level Synthesis for Machine Learning

Opis projektu

Uruchamianie głębokich sieci neuronowych na urządzeniach IoT o niskim poborze mocy

Internet rzeczy (IoT) oraz szybki rozwój sztucznej inteligencji i uczenia maszynowego stawiają przed nami całkiem nowy zestaw wyzwań. Jednym z nich jest trudność w uruchamianiu algorytmów uczenia głębokiego na różnych platformach sprzętowych. To problem, który jest często poruszany podczas łączenia procesów obliczeniowych na procesorach CPU i GPU, jednak w przypadku urządzeń o niskim poborze mocy, takich jak smartfony, samochody czy zegarki, na których coraz częściej wykorzystuje się techniki uczenia głębokiego, nie został on dotąd dobrze zbadany. Finansowany ze środków UE projekt hls4ml ma przyczynić się do opracowania otwartej biblioteki kodów, która umożliwi automatyczną adaptację głębokich sieci neuronowych do stosowania w obwodach elektronicznych przez wykorzystanie syntetycznych narzędzi wysokiego poziomu oraz redukcję użycia zasobów.

Cel

With Deep Learning becoming ubiquitous in our life, running Deep Learning algorithms in real time on an heterogeneous set of hardware platforms is a pressing need in many aspects of our society. While traditional workflows based on standard CPUs and GPUs are established, Deep Learning inference on low-power devices (e.g. cars, smart phones, watches, etc) is gaining more attention. Typically, this would require strong background in electronic engineering to convert a neural network into a Digital Signal Processor. We propose to develop a complete open-software library to automatically convert Deep Neural Networks to electronic circuits, using High Level Synthesis tools. With a large basis of potential applications (e.g. autonomous cars, medical devices, portable monitoring devices, custom electronics as in the real-time data processing system of large-scale scientific experiments, etc.), the hls4ml library would assists users by automatising the logic circuit design as well as by reducing resource utilisation while preserving accuracy.

Dziedzina nauki (EuroSciVoc)

Słowa kluczowe

Program(-y)

Temat(-y)

System finansowania

ERC-POC - Proof of Concept Grant

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) ERC-2020-PoC

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Instytucja przyjmująca

ORGANISATION EUROPEENNE POUR LA RECHERCHE NUCLEAIRE
Wkład UE netto
€ 150 000,00
Adres
ESPLANADE DES PARTICULES 1 PARCELLE 11482 DE MEYRIN BATIMENT CADASTRAL 1046
1211 GENEVE 23
Szwajcaria
Region
Schweiz/Suisse/Svizzera Région lémanique Genève
Rodzaj działalności
Research Organisations
Linki
Koszt całkowity
Brak danych

Beneficjenci (1)