12704

بررسي روش‌هاي كاهش مصرف توان در سامانه‌هاي نهفته لبه بر پايه شبكه‌هاي عصبي پيچشي

1401

دكتر حاكم بيت‌اللهي

شبكه‌هاي عصبي پيچشي در فعاليت‌هاي مختلف پردازش تصوير گوي سبقت را از بقيه مدل‌هاي هوش مصنوعي ربوده‌اند. آن‌ها بالاترين دقت‌ها را براي كاربردهايي از قبيل پردازش تصاوير پزشكي و بينايي خودرو بدست آورده‌اند. به دليل عمل‌كرد بسيار خوب اين مدل‌ها، نياز روزافزون به پياده‌سازي آن‌ها روي دستگاه‌هاي لبه در كاربردهاي مختلف بيشتر شده‌است. مشكل اساسي اين مدل‌ها، محاسبات زياد آن‌هاست. اين مدل‌ها معمولا توسط پردازنده‌هاي گرافيكي پياده‌سازي مي‌شوند. اين پردازنده‌ها توانايي انجام عمليات بسيار پيچيده را دارند، اما مصرف توان آن‌ها بسيار زياد است. لذا براي پياده‌سازي آن‌ها در دستگاه‌هاي لبه نيازمند سخت‌افزار كم‌مصرف‌تري هستيم. يكي از بهترين گزينه‌ها استفاده از تراشه‌هاي آرايه دروازه قابل برنامه‌ريزي است. با اين‌كه مصرف توان آن‌ها نسبت به پردازنده‌هاي گرافيكي بسيار كمتر است، به دليل اين‌كه دستگاه‌هاي سامانه‌هاي لبه از منابع تغذيه محدود مانند باتري استفاده مي‌كنند، براي داشتن عمل‌كرد مطلوب نياز به روش‌هايي كه مصرف توان را در اين سامانه‌ها كاهش دهد روز به روز بيشتر مي‌شود. در اين مقاله سعي شده‌است كه روش‌هاي كاهش مصرف توان كه در مقالات گذشته آورده‌شده‌بود، گنجانده شود.

11/21/2023 12:00:00 AM

80963

1402/08/30

Investigating methods to reduce power consumption in edge embedded devices based on convolutional neural networks

شبكه‌هاي عصبي پيچشي , طراحي سامانه‌هاي كم‌مصرف مبتني بر FPGA , پردازش تصوير , شتاب‌دهنده‌ سخت‌افزاري , محاسبات موازي