基於 AI 硬體加速器的自動化類神經網路設計與部署之研究
| dc.contributor | 黃文吉 | zh_TW |
| dc.contributor | Hwang, Wen-Jyi | en_US |
| dc.contributor.author | 黃任慶 | zh_TW |
| dc.contributor.author | Huang, Ren-Ching | en_US |
| dc.date.accessioned | 2023-12-08T08:02:47Z | |
| dc.date.available | 9999-12-31 | |
| dc.date.available | 2023-12-08T08:02:47Z | |
| dc.date.issued | 2023 | |
| dc.description.abstract | 由於大多邊緣裝置由於對於類神經模型推理的運算效率不佳，因此邊緣裝置通常會搭配上AI硬體加速器，來進行更有效率的運算。然而如何將類神經模型推理應用至AI硬體加速器進行加速，必須從軟體端加速器的使用，到硬體端加速器的架構，都要有深刻理解，這對於開發者來說是一個不小的挑戰。本論文研究基於RISC-V架構下的 Gemmini 硬體加速器平台，開發一套圖形介面工具。開發者根據自身的需求，在工具中選擇需求的模型架構，將其轉換成中間表達式，藉此生成模型架構程式碼，以及硬體推理程式碼。模型架構程式碼供軟體端模型訓練以及模型量化用；硬體推理程式碼供邊緣裝置利用硬體加速器進行模型推理。本論文將透過圖形介面生成之程式碼，生成基於CNN，以及GRU的兩種不同模型架構，執行於含Gemmini加速器平台的FPGA板上，以Clock Cycles為運算速度的根據，比較模型運算時使用加速器與否的差別。藉由兩種不同種類模型的比較，驗證Gemmini的加速效果及使用本研究開發之圖形介面的可行性。 | zh_TW |
| dc.description.abstract | none | en_US |
| dc.description.sponsorship | 資訊工程學系 | zh_TW |
| dc.identifier | 61047023S-44172 | |
| dc.identifier.uri | https://etds.lib.ntnu.edu.tw/thesis/detail/aa6294809eb6b42073112b5fc2728491/ | |
| dc.identifier.uri | http://rportal.lib.ntnu.edu.tw/handle/20.500.12235/121622 | |
| dc.language | 中文 | |
| dc.subject | 硬體加速器 | zh_TW |
| dc.subject | RISC-V | zh_TW |
| dc.subject | Gemmini | zh_TW |
| dc.subject | 圖形介面 | zh_TW |
| dc.subject | 中間表達式 | zh_TW |
| dc.subject | 量化 | zh_TW |
| dc.subject | none | en_US |
| dc.title | 基於 AI 硬體加速器的自動化類神經網路設計與部署之研究 | zh_TW |
| dc.title | Automated Neural Network Design and Deployment Based on AI Hardware Accelerators | en_US |
| dc.type | etd |