دانلود مقاله انگلیسی رایگان:مرور و طبقه بندی شتاب دهنده های یادگیری عمیق مبتنی بر FPGA - 2019
دانلود بهترین مقالات isi همراه با ترجمه فارسی
دانلود مقاله انگلیسی یادگیری عمیق رایگان
  • A Survey and Taxonomy of FPGA-based Deep Learning Accelerators A Survey and Taxonomy of FPGA-based Deep Learning Accelerators
    A Survey and Taxonomy of FPGA-based Deep Learning Accelerators

    سال انتشار:

    2019


    عنوان انگلیسی مقاله:

    A Survey and Taxonomy of FPGA-based Deep Learning Accelerators


    ترجمه فارسی عنوان مقاله:

    مرور و طبقه بندی شتاب دهنده های یادگیری عمیق مبتنی بر FPGA


    منبع:

    Sciencedirect - Elsevier - Journal of Systems Architecture, 98 (2019) 331-345: doi:10:1016/j:sysarc:2019:01:007


    نویسنده:

    Ahmed Ghazi Blaiech a , b , ∗ , Khaled Ben Khalifa a , b , Carlos Valderrama c , Marcelo A.C. Fernandes d , Mohamed Hedi Bedoui b


    چکیده انگلیسی:

    Deep learning, the fastest growing segment of Artificial Neural Network (ANN), has led to the emergence of many machine learning applications and their implementation across multiple platforms such as CPUs, GPUs and recon- figurable hardware ( Field-Programmable Gate Arrays or FPGAs). However, inspired by the structure and function of ANNs, large-scale deep learning topologies require a considerable amount of parallel processing, memory re- sources, high throughput and significant processing power. Consequently, in the context of real time hardware systems, it is crucial to find the right trade-offbetween performance, energy efficiency, fast development, and cost. Although limited in size and resources, several approaches have showed that FPGAs provide a good starting point for the development of future deep learning implementation architectures. Through this paper, we briefly review recent work related to the implementation of deep learning algorithms in FPGAs. We will analyze and compare the design requirements and features of existing topologies to finally propose development strategies and implementation architectures for better use of FPGA-based deep learning topologies. In this context, we will examine the frameworks used in these studies, which will allow testing a lot of topologies to finally arrive at the best implementation alternatives in terms of performance and energy efficiency.
    Keywords: Deep learning | Framework | Optimized implementation | FPGA


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 15
    حجم فایل: 1040 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی