Hardware-Software Co-Design of Deep Neural Networks: From Handcrafted to Automated Design and Deployment
Übersetzter Titel:
Hardware-Software-Co-Design neuronaler Netze: Vom manuellen zum automatisierten Entwurf und Einsatz
Autor:
Al-Fasfous, Nael Y. A.
Jahr:
2022
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Computation, Information and Technology
Betreuer:
Stechele, Walter (Prof. Dr.)
Gutachter:
Stechele, Walter (Prof. Dr.); Becker, Jürgen (Prof. Dr.)
Sprache:
en
Fachgebiet:
ELT Elektrotechnik
TU-Systematik:
DAT 200
Kurzfassung:
This work reinterprets concepts from the mature discipline of hardware-software (HW-SW) co-design to deploy DNNs on edge devices. The resulting co-designed algorithms tackled autonomous driving problems with high efficiency, enabled power-forecasting on multiprocessor chips, provided mask detection during the COVID-19 pandemic, and empowered semi-autonomous prostheses. The contributions of this work in HW-SW co-design of DNNs brought applications with societal impact to edge devices.
Übersetzte Kurzfassung:
In dieser Arbeit werden Konzepte aus der etablierten Disziplin des HW-SW Co-Designs neu interpretiert, um DNNs auf Edge Devices einzusetzen. Die daraus resultierenden gemeinsam entwickelten Algorithmen lösen Probleme des autonomen Fahrens mit hoher Effizienz, ermöglichen die Leistungsvorhersage auf Multiprozessor-Chips, bieten Maskenerkennung während der COVID-19-Pandemie und ermöglichen halbautonome Prothesen. Die Beiträge dieser Arbeit ermöglichen Anwendungen mit gesellschaftlicher Bedeutung.
Login
BibTeX