group:ai
差異處
這裏顯示兩個版本的差異處。
| Both sides previous revision 前次修改 下次修改 | 前次修改 | ||
|
group:ai [2019/09/24 09:35] admin |
group:ai [2019/09/24 09:37] (目前版本) admin |
||
|---|---|---|---|
| 行 2: | 行 2: | ||
| \\ | \\ | ||
| ===== 研究主題 ===== | ===== 研究主題 ===== | ||
| + | \\ | ||
| + | |||
| \\ | \\ | ||
| ==== Micro Darknet For Inference – MDFI ==== | ==== Micro Darknet For Inference – MDFI ==== | ||
| 本項目開發一支C-code only 的優化推論程式Framework稱MDFI， 它可讀入由Darknet 訓練完成的network configuration檔以及network weight檔，然後依照network 順序帶入訓練參數 (weights)進行Inference運算並輸出結果。MDFI支援Image classification(Alexnet, | 本項目開發一支C-code only 的優化推論程式Framework稱MDFI， 它可讀入由Darknet 訓練完成的network configuration檔以及network weight檔，然後依照network 順序帶入訓練參數 (weights)進行Inference運算並輸出結果。MDFI支援Image classification(Alexnet, | ||
| {{ : | {{ : | ||
| - | |||
| - | \\ | ||
| - | \\ | ||
| ==== 開發MDFI協助神經網路推論加速器設計 ==== | ==== 開發MDFI協助神經網路推論加速器設計 ==== | ||
| - | MDFI 只需GNU C Library (glibc)，不需要其他套件。MDFI作為純C語言構成的前向傳導框架，主要支援物件辨識網路模型，不使用動態函式庫如Protocol-buffer，以及保持不到280KByte的執行檔大小，適合為終端移動設備所使用。由於不使用動態函式庫，其運算行為可作為AI 加速硬體設計的參照，作為ESL的前期描述模型。圖4為MDFI對比其他Framework有較少的函式庫依賴。圖5顯示MDFI在整體加速器實作流程的位置及其重要性。 | + | MDFI 只需GNU C Library (glibc)，不需要其他套件。MDFI作為純C語言構成的前向傳導框架，主要支援物件辨識網路模型，不使用動態函式庫如Protocol-buffer，以及保持不到280KByte的執行檔大小，適合為終端移動設備所使用。由於不使用動態函式庫，其運算行為可作為AI 加速硬體設計的參照，作為ESL的前期描述模型。圖4為MDFI對比其他Framework有較少的函式庫依賴。顯示MDFI在整體加速器實作流程的位置及其重要性。 |
| {{ : | {{ : | ||
group/ai.1569317702.txt.gz · 上一次變更: 2019/09/24 09:35 由 admin
若無特別註明，本 wiki 上的內容都是採用以下授權方式： CC Attribution-Share Alike 4.0 International
