Yazar
Doğan, Eren, Uğurdağ, Hasan Fatih, Ünlü, Hasan
Basım Tarihi
2022
Basım Yeri
-
IEEE
Tür
Belge
Dil
İngilizce
Dijital
Evet
Yazma
Hayır
Kütüphane
Özyeğin Üniversitesi
Demirbaş Numarası
978-166545092-8
Kayıt Numarası
e84b9b68-0a27-4930-bec3-46f6fc5df6cc
Lokasyon
Elektrik ve Elektronik Mühendisliği
Tarih
2022
Örnek Metin
Yapay sinir ağlarının düşük maliyetli gömülü sistemler ve mikrodenetleyiciler (MCU'lar) üzerindeki uygulamaları son zamanlarda her zamankinden daha fazla ilgi görüyor. MCU'lar, iş istasyonlarına kıyasla sınırlı bellek kapasitesine ve sınırlı işlem hızına sahip olduğundan, mevcut derin öğrenme algoritmalarının MCU'larda kullanılması, model sıkıştırma yardımıyla daha pratik hale geliyor. Bu, MCU'ları otonom sistemler için yaygın ve pratik bir alternatif çözüm haline getirir. Bu yazıda, sinir ağı hızını artırmak ve elektrik gücünden tasarruf etmek için PyTorch modellerini MCU'lara verimli bir şekilde dağıtan mevcut bir çalışmaya model sıkıştırmayı, özellikle de Derin Sıkıştırmayı ekliyoruz. Öncelikle evrişimli ve tam bağlantılı katmanlarda ağırlık değerlerini sıfıra yakın budayız. İkinci olarak, geri kalan ağırlıklar ve aktivasyonlar, 32 bitlik kayan noktadan 8 bitlik tam sayılara nicemlenir. Son olarak, ileri geçiş fonksiyonları, yalnızca sıfırdan farklı ağırlıkları depolayan seyrek matrisler için özel veri yapıları kullanılarak sıkıştırılır. LeNet-5 modelinde bellek alanı 12,5 kat azaltıldı ve çıkarım hızı 2,6 kat artırıldı.
DOI
10.1109/SIU55565.2022.9864848
