Diseño e Implementación en Fpga de un Acelerador Energéticamente Eficiente para Redes Neuronales Convolucionales
Debido a la proliferación de los algoritmos de machine learning, cada vez más se requiere que una gran variedad de dispositivos embebidos de distintas prestaciones sean capaces de computar modelos avanzados de redes neuronales convolucionales en un tiempo razonable y con un consumo energético bajo....
- Autores:
-
Jaramillo Hoyos, José María
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2021
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/55502
- Acceso en línea:
- http://hdl.handle.net/1992/55502
- Palabra clave:
- Convolución
Redes neuronales
Machine learning
Acelerador hardware
Eficiencia energética
Ingeniería
- Rights
- openAccess
- License
- https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
id |
UNIANDES2_02a0802c436789fc76295c089ec5e4f1 |
---|---|
oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/55502 |
network_acronym_str |
UNIANDES2 |
network_name_str |
Séneca: repositorio Uniandes |
repository_id_str |
|
spelling |
Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Escobar Juzga, Fernando Adolfo1e728d69-26bb-4bda-84c4-7cc87a5c0e23500García Cárdenas, Juan José44188367-f49b-4c6b-9009-a037c689da55400Sierra Alarcón, Sebastián5b2aec3e-c16f-4090-bcf1-11c65d9c4327400Segura Quijano, Fredy Enriquevirtual::1280-1Jaramillo Hoyos, José Maríadc2c06b0-41f2-4702-acbb-d925ac82fdf25002022-02-22T20:02:30Z2022-02-22T20:02:30Z2021http://hdl.handle.net/1992/5550226239.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/Debido a la proliferación de los algoritmos de machine learning, cada vez más se requiere que una gran variedad de dispositivos embebidos de distintas prestaciones sean capaces de computar modelos avanzados de redes neuronales convolucionales en un tiempo razonable y con un consumo energético bajo. Por lo tanto, en el presente proyecto se propone la arquitectura hardware de un acelerador de redes neuronales convolucionales basada en el dataflow de bajo consumo energético para la operación de convolución introducido por Jihyuck Jo et al. Posteriormente, se implementa la arquitectura en un lenguaje de programación de alto nivel y en un lenguaje de descripción de hardware y finalmente se despliega el acelerador en la FPGA De0-Nano-Soc.Due to the proliferation of machine learning algorithms, it is increasingly required that a wide variety of embedded devices with different capabilities be able to compute advanced models of convolutional neural networks in a reasonable time and with low energy consumption. Therefore, in the present project, the hardware architecture of a convolutional neural network accelerator is proposed based on the low energy consumption dataflow for the convolution operation introduced by Jihyuck Jo et al. Subsequently, The implementation of the architecture is done in a high-level programming language and in a hardware description language and finally the accelerator is deployed in the FPGA De0-Nano-Soc.Ingeniero ElectrónicoPregrado16 páginasapplication/pdfspaUniversidad de los AndesIngeniería ElectrónicaFacultad de IngenieríaDepartamento de Ingeniería Eléctrica y ElectrónicaDiseño e Implementación en Fpga de un Acelerador Energéticamente Eficiente para Redes Neuronales ConvolucionalesTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1fTexthttp://purl.org/redcol/resource_type/TPConvoluciónRedes neuronalesMachine learningAcelerador hardwareEficiencia energéticaIngeniería201717967Publicationhttps://scholar.google.es/citations?user=xw2k1CIAAAAJvirtual::1280-10000-0001-7757-1432virtual::1280-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000051497virtual::1280-17684cb09-6991-4ac4-aff9-b29fe065439fvirtual::1280-17684cb09-6991-4ac4-aff9-b29fe065439fvirtual::1280-1TEXT26239.pdf.txt26239.pdf.txtExtracted texttext/plain53845https://repositorio.uniandes.edu.co/bitstreams/6e2ff848-d6a6-4969-9888-583f22661cae/download4bee0863ce0b3002dde3ca60dcfccdfdMD52THUMBNAIL26239.pdf.jpg26239.pdf.jpgIM Thumbnailimage/jpeg8357https://repositorio.uniandes.edu.co/bitstreams/23e0abad-f88a-4797-be58-7528fc223716/downloadf3313856332cb107dcb76e08f594c749MD53ORIGINAL26239.pdfapplication/pdf5792624https://repositorio.uniandes.edu.co/bitstreams/8b756651-60fb-4ca9-bfd5-379bcb581952/download30247257c6c1c805ef61b82472180d50MD511992/55502oai:repositorio.uniandes.edu.co:1992/555022024-03-13 11:55:33.887https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfopen.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co |
dc.title.spa.fl_str_mv |
Diseño e Implementación en Fpga de un Acelerador Energéticamente Eficiente para Redes Neuronales Convolucionales |
title |
Diseño e Implementación en Fpga de un Acelerador Energéticamente Eficiente para Redes Neuronales Convolucionales |
spellingShingle |
Diseño e Implementación en Fpga de un Acelerador Energéticamente Eficiente para Redes Neuronales Convolucionales Convolución Redes neuronales Machine learning Acelerador hardware Eficiencia energética Ingeniería |
title_short |
Diseño e Implementación en Fpga de un Acelerador Energéticamente Eficiente para Redes Neuronales Convolucionales |
title_full |
Diseño e Implementación en Fpga de un Acelerador Energéticamente Eficiente para Redes Neuronales Convolucionales |
title_fullStr |
Diseño e Implementación en Fpga de un Acelerador Energéticamente Eficiente para Redes Neuronales Convolucionales |
title_full_unstemmed |
Diseño e Implementación en Fpga de un Acelerador Energéticamente Eficiente para Redes Neuronales Convolucionales |
title_sort |
Diseño e Implementación en Fpga de un Acelerador Energéticamente Eficiente para Redes Neuronales Convolucionales |
dc.creator.fl_str_mv |
Jaramillo Hoyos, José María |
dc.contributor.advisor.none.fl_str_mv |
Escobar Juzga, Fernando Adolfo García Cárdenas, Juan José Sierra Alarcón, Sebastián Segura Quijano, Fredy Enrique |
dc.contributor.author.spa.fl_str_mv |
Jaramillo Hoyos, José María |
dc.subject.keyword.none.fl_str_mv |
Convolución Redes neuronales Machine learning Acelerador hardware Eficiencia energética |
topic |
Convolución Redes neuronales Machine learning Acelerador hardware Eficiencia energética Ingeniería |
dc.subject.themes.none.fl_str_mv |
Ingeniería |
description |
Debido a la proliferación de los algoritmos de machine learning, cada vez más se requiere que una gran variedad de dispositivos embebidos de distintas prestaciones sean capaces de computar modelos avanzados de redes neuronales convolucionales en un tiempo razonable y con un consumo energético bajo. Por lo tanto, en el presente proyecto se propone la arquitectura hardware de un acelerador de redes neuronales convolucionales basada en el dataflow de bajo consumo energético para la operación de convolución introducido por Jihyuck Jo et al. Posteriormente, se implementa la arquitectura en un lenguaje de programación de alto nivel y en un lenguaje de descripción de hardware y finalmente se despliega el acelerador en la FPGA De0-Nano-Soc. |
publishDate |
2021 |
dc.date.issued.none.fl_str_mv |
2021 |
dc.date.accessioned.none.fl_str_mv |
2022-02-22T20:02:30Z |
dc.date.available.none.fl_str_mv |
2022-02-22T20:02:30Z |
dc.type.spa.fl_str_mv |
Trabajo de grado - Pregrado |
dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
dc.type.content.spa.fl_str_mv |
Text |
dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
format |
http://purl.org/coar/resource_type/c_7a1f |
status_str |
acceptedVersion |
dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/1992/55502 |
dc.identifier.pdf.spa.fl_str_mv |
26239.pdf |
dc.identifier.instname.spa.fl_str_mv |
instname:Universidad de los Andes |
dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Séneca |
dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repositorio.uniandes.edu.co/ |
url |
http://hdl.handle.net/1992/55502 |
identifier_str_mv |
26239.pdf instname:Universidad de los Andes reponame:Repositorio Institucional Séneca repourl:https://repositorio.uniandes.edu.co/ |
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.rights.uri.*.fl_str_mv |
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf |
dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
rights_invalid_str_mv |
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf http://purl.org/coar/access_right/c_abf2 |
eu_rights_str_mv |
openAccess |
dc.format.extent.spa.fl_str_mv |
16 páginas |
dc.format.mimetype.spa.fl_str_mv |
application/pdf |
dc.publisher.spa.fl_str_mv |
Universidad de los Andes |
dc.publisher.program.spa.fl_str_mv |
Ingeniería Electrónica |
dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ingeniería |
dc.publisher.department.spa.fl_str_mv |
Departamento de Ingeniería Eléctrica y Electrónica |
institution |
Universidad de los Andes |
bitstream.url.fl_str_mv |
https://repositorio.uniandes.edu.co/bitstreams/6e2ff848-d6a6-4969-9888-583f22661cae/download https://repositorio.uniandes.edu.co/bitstreams/23e0abad-f88a-4797-be58-7528fc223716/download https://repositorio.uniandes.edu.co/bitstreams/8b756651-60fb-4ca9-bfd5-379bcb581952/download |
bitstream.checksum.fl_str_mv |
4bee0863ce0b3002dde3ca60dcfccdfd f3313856332cb107dcb76e08f594c749 30247257c6c1c805ef61b82472180d50 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio institucional Séneca |
repository.mail.fl_str_mv |
adminrepositorio@uniandes.edu.co |
_version_ |
1812133812125040640 |