بهينه‌سازي عملكرد مدار مجتمع قابل بازپيكربندي براي پياده‌سازي شبكه‌هاي عصبي عميق

استفاده از شبكه‌هاي عصبي عميق روز به روز در حال افزايش است و هر روز كاربرد‌هاي بيشتري از آن مورد استفاده محققين قرار مي‌گيرد. از طرفي پياده‌سازي بهينه شبكه‌هاي عصبي عميق روي سخت‌افزارها هميشه يكي از دغدغه‌هاي مهم محققين بوده. چرا كه آن‌ها مي‌خواهند تمركز خود را روي فريمورك‌هاي سطح بالايي همچون تنسورفلوها قرار دهند و با استفاده از زبان‌هاي سطح بالا مدل‌هاي خود را طراحي كنند و درگير پياده‌سازي‌هاي سخت‌افزاري دشوار نشوند. يكي از اصلي‌ترين سخت‌افزارها در كنار كارت‌هاي گرافيك و پردازنده‌هاي ASIC براي پياده‌سازي مدل‌هاي شبكه‌هاي عصبي عميق، FPGA ها هستند چرا كه قابل بازپيكربندي بودنشان گزينه‌هاي بهينه‌سازي زيادي را در اختيارمان قرار مي‌دهد. در پژوهش پيش رو كامپايلري ارائه مي‌شود كه به طور خودكار مي‌تواند مدل‌هاي شبكه‌هاي عصبي عميق را از فريمورك‌هاي سطح بالايي همچون تنسورفلو دريافت كند و آن‌ها را به صورت بهينه روي FPGA ها پياده‌سازي نمايد. در اين پژوهش، ابتدا به فضاهايي كه مي‌توان آن‌ها را بهبود داد اشاره مي‌شود و سپس روند كلي كامپايلر تشريح خواهد شد. در نهايت مشاهده مي‌كنيم كه نتايج كامپايلر ارائه شده مي‌تواند با ابزارهاي تجاري موجود در بازار رقابت كند.