Využití akcelerátoru neuronových sítí na Raspberry PI
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
D
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Predkladaná bakalárska práca sa zoberá štatistickým vyhodnotením výkonnosti hardwardového akcelerátora hĺbkových neurónových sieti. Opisuje Konvolučné neurónové siete spolu s matematickými výpočtami. Vysvetľuje ich akceleráciu a prevod do formátu vhodného pre akcelerátor Intel Movidius NCS. Experimentálne sa porovnalo 8 hardvérových platforiem a 22 náročností neurónovej sieti. Bolo demonštrované až 105 násobné zlepšenie pre izolovanú inferenciu MobileNetV2 siete na platformu Raspbery Pi za pomoci akcelrátora. Výkon medzi testovanými platformami sa vyhodnocoval aj z energetického hľadiska. Aplikáciou na rozpoznanie identity tváre sa demonštrovali podmienky reálneho použitia. Odkryli sa možné limity akcelerácie CNN na zariadeniach s obmedzeným výkonom (Raspberry Pi), najmä v súvislosti s nevhodným výberom vstupného rozlíšenia obrazu. Všetky merania boli vyhodnocované štatistickými postupmi.
The presented bachelor thesis deals with the statistical evaluation of performance for hardward accelerator of deep neural networks. Describes convolutional neural networks along with mathematical calculations. Explains their acceleration and conversion to a format suitable for the Intel Movidius NCS accelerator. 8 hardware platforms and 22 neural network difficulties were compared experimentally. Up to 105-fold improvement was demonstrated in isolated inference of the MobileNetV2 network for the Raspber Pi platform using an accelerator. Performance between the tested platforms was also evaluated from an energy point of view. The application of facial identity demonstrated the conditions during real use. Possible limits of CNN acceleration on power-limited devices (Raspberry Pi) have been uncovered, especially due to improper selection of input image resolution. All measurements were evaluated by statistical procedures.
The presented bachelor thesis deals with the statistical evaluation of performance for hardward accelerator of deep neural networks. Describes convolutional neural networks along with mathematical calculations. Explains their acceleration and conversion to a format suitable for the Intel Movidius NCS accelerator. 8 hardware platforms and 22 neural network difficulties were compared experimentally. Up to 105-fold improvement was demonstrated in isolated inference of the MobileNetV2 network for the Raspber Pi platform using an accelerator. Performance between the tested platforms was also evaluated from an energy point of view. The application of facial identity demonstrated the conditions during real use. Possible limits of CNN acceleration on power-limited devices (Raspberry Pi) have been uncovered, especially due to improper selection of input image resolution. All measurements were evaluated by statistical procedures.
Description
Citation
BARNA, K. Využití akcelerátoru neuronových sítí na Raspberry PI [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2020.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Informační technologie
Comittee
doc. Ing. Richard Růžička, Ph.D., MBA (předseda)
doc. RNDr. Dana Hliněná, Ph.D. (místopředseda)
prof. Ing. Adam Herout, Ph.D. (člen)
Ing. Bohuslav Křena, Ph.D. (člen)
Ing. Zbyněk Křivka, Ph.D. (člen)
Date of acceptance
2020-08-28
Defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm D. Otázky u obhajoby: Čím jsou způsobeny podivné skoky ve spotřebě prakticky ve všech grafech na obr. 5.9? Jaká je přesnost klasifikace u navržené implementace (v kontextu toho, že navržené řešení sestává z předem natrénovaných CNN se známou přesností)? Čím jsou způsobeny značné rozptyly ve vašich výsledcích? Uvažoval jste nad jinou úlohou?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení