ProjektHardware Agnostic Artificial Intelligence for Embedded
Grunddaten
Titel:
Hardware Agnostic Artificial Intelligence for Embedded
Laufzeit:
01.04.2021 bis 30.05.2023
Abstract / Kurz- beschreibung:
Für einen Einsatz in eingebetteten Systemen sollten bestehende neuronale Netze auf unterschiedlicher Hardware eingesetzt werden können und bessere, gleiche oder vergleichbare Ergebnisse in Bezug auf skalierbare Leistung, Latenz, Stromverbrauch liefern, ohne dass ein Softwareentwickler seine Anwendungen neu schreiben muss. Die Universität Tübingen entwickelt neue Ansätze, um verschiedene KI-Rechenbeschleuniger (neural processing units, NPUs) zu evaluieren und zu optimieren, die mit SiMa.AI und ARM-basierter Hardware betrieben werden können. Außerdem sollen die Leistungsfähigkeit des Open-Source-Compiler-Frameworks TVM oder des SiMa.AI SDK demonstriert und gezeigt werden, in welchen Umfang die Entwicklung von Deep Neural Networks (DNNs) NPU-unabhängig sein kann. Darüber hinaus entwickelt und verwendet die Universität Tübingen repräsentative Machine-Learning-Workloads für verschiedene Anwendungsdomänen und portiert diese Lasten auf verschiedene NPUs.
Schlüsselwörter:
maschinelles Lernen
machine learning
Eingebettete Systeme
embedded systems
Rechnerarchitekturen
Compiler
Beteiligte Mitarbeiter/innen
Leiter/innen
Mathematisch-Naturwissenschaftliche Fakultät
Universität Tübingen
Universität Tübingen
Wilhelm-Schickard-Institut für Informatik (WSI)
Fachbereich Informatik, Mathematisch-Naturwissenschaftliche Fakultät
Fachbereich Informatik, Mathematisch-Naturwissenschaftliche Fakultät
Lokale Einrichtungen
Fachbereich Informatik
Mathematisch-Naturwissenschaftliche Fakultät
Universität Tübingen
Universität Tübingen
Geldgeber
San Jose, Kalifornien, Vereinigte Staaten