چکيده
امروزه شبكه‌هاي عصبي عميق (DNN) به جهت اينكه در زمينه‌ي آناليز داده‌هاي بزرگ موفق بوده‌اند، در كاربردهاي مختلفي از قبيل بينايي كامپيوتر ، شناسايي الگو و تشخيص گفتار استفاده مي‌شوند.
پياده‌سازي الگوريتم‌هاي شبكه‌هاي عصبي عميق با مشكلات مختلفي همراه است. از مهم‌ترين اين مشكلات مي‌توان به توان مصرفي، سرعت پردازش، قابليت عبوردهي و فضاي ذخيره‌سازي اشاره كرد. راه‌حل‌هاي مختلفي توسط محققان اين حوزه در راستاي بهبود و رفع چالش‌هاي مطرح شده، ارائه شده است. ارائه‌ي راه حل‌ها و تكنيك‌هاي جديد جهت رفع چالش‌هاي پياده‌سازي، نيازمند شناخت مدل‌هاي شبكه‌هاي عصبي عميق و بسترهاي موجود براي پياده‌سازي آن‌ها است.
در اين سمينار ابتدا به معرفي مدل‌هاي پركاربرد شبكه‌هاي عصبي عميق پرداخته شده است. پس از آن سخت‌افزارهاي مناسب جهت پياده‌سازي شبكه‌هاي عصبي عميق معرفي و مزايا و معايب آن‌ها نسبت به يكديگر مطرح مي‌گردد. در فصل سوم نيز راه‌حل‌هاي ارائه شده جهت بهبود چالش‌هاي پياده‌سازي معرفي مي‌شوند.
