資訊工程學系

Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/60

本系前身「資訊教育學系」成立於民國七十四年,首先招收大學部學生,民國九十年成立資訊工程研究所碩士班,而後於民國九十五年進行系、所調整合併為「資訊工程學系」;並於九十六年成立博士班。本系目前每年約招收大學部四十餘人,碩士班六十餘人,博士班約五人,截至民國一百零四年十一月止,總計現有大學部一百九十多人,碩士班一百二十多人,博士班二十三人,合計學生人數約為三百三十多位。

News

Browse

Search Results

Now showing 1 - 2 of 2
  • Item
    在人工智慧物聯網應用中探討能源效率和即時性使用在模型訓練上
    (2021) 梅志碩; Mei, Chih-Shuo
    神經網絡模型訓練對於特定領域的人工智慧物聯網 (AIoT) 應用是必不可少的。通常顯示卡在模型訓練期間平均可能消耗數百瓦,而搭載 GPU 的嵌入式設備在出於相同的目的可能僅消耗幾瓦,但需要更長的訓練時間。在本論文中,使用了 NVIDIA RTX 2080 Ti 顯示卡和 NVIDIA Jetson Nano 嵌入式設備進行模型訓練的實證研究。將測量到的能量消耗和訓練時間,用以比較兩個平台之間的差異。結果表明,令人驚訝的是雖然使用 Jetson Nano 的訓練時間 比使用獨立顯示卡的訓練時間慢 30 倍,但 Jetson Nano 的總能耗實際上只有一半。結果表明,當考量能源消耗的重要性大於時間性的時候,可以選擇在搭載 GPU 的嵌入式設備上進行模型 訓練以達到節省能源的效果,反之則使用配有獨立顯示卡的電腦是更佳的選擇。在這些 AI 模型訓練中,像 Nvidia Jetson Nano 這樣的配備 GPU 的嵌入式設備可能在耗能方面具有更好的性能。此外,此論文也探討了關於 AIoT 用於預測性維護的案例研究,以說明配有 GPU 的嵌入式系統在模型訓練中的優勢。在實作預測性維護的案例研究中,也使用了 NASA 提供的渦輪引擎退化模擬資料集。而案例研究結果指出在時間性上的延遲是可以被接受的情況下,配備 GPU 的嵌入式裝置是可以有效的節省能源。
  • Item
    基於網宇實體系統整合的資料重用與工作替換
    (2021) 林政佑; Lin, Cheng-You
    一個多層次的系統需要整合伺服器和 IoT 設備,將 AI 應用整合到多層次系統中在現代是很有利的,而 AIoT 代表了在 IoT 設備中整合 GPU 進行 AI 計算,然而這會面臨幾個問題。首先,由於 AIoT 設備的規模限制,其設備也有計算限制。大多數 AI 算法都有巨大的重複性浮點數計算,以獲得基於機率的收斂近似解。GPU 使 AI 計算適合對大量的浮點數計算進行平行計算。其次,AIoT 設備還必須考慮工作的延遲要求,使 AIoT 設備控制的系統執行器在工作的關鍵事件中不會延遲,例如自動駕駛車輛中的剎車。第三,可以通過進一步整合邊緣伺服器、AIoT設備和現有的基礎設施來構建多層次系統,使數據重用具可行性且高效,多層次的 AIoT 系統在異質資源中會有更多的用途。本論文的貢獻是通過 CPS 概念將 IoT 平台計算和 AIoT 應用結合起來,然後探索 AIoT 設備在整合架構中的計算限制和解決方案,以實證方式來研究 AIoT 設備運行 AI 應用時適當的資源配置方法,在多層次系統中,不同的計算資源會導致不同的響應時間以滿足延遲要求。本論文的概念是數據重用,它來自於現有的基礎設施,並使用於新增加的 AIoT 設備,同時當代的 AIoT 設備配備的 GPU 對於AI 算法的局限性也是通過實證評估來衡量的。為了克服這些限制,本論文的架構提出工作替換和邊緣伺服器工作卸載的可行性。