Mostrar el registro sencillo del ítem
dc.contributor.advisor | Flich Cardo, José | es_ES |
dc.contributor.advisor | Hernández Luz, Carles | es_ES |
dc.contributor.author | Mcmullen García, Brian Miguel | es_ES |
dc.date.accessioned | 2021-09-09T11:44:43Z | |
dc.date.available | 2021-09-09T11:44:43Z | |
dc.date.created | 2021-07-20 | |
dc.date.issued | 2021-09-09 | es_ES |
dc.identifier.uri | http://hdl.handle.net/10251/171766 | |
dc.description.abstract | [EN] In the last few years, Artificial intelligence (AI), has become an essential element of many technological fields. While AI has been developing on the level of algorithms, processing architectures have also been developing to better support AI. To obtain a better understanding of the implications of these architectures on AI algorithms, it is indispensable to use the new tools that allow the appropriate exploration, and consequently, the development of optimum algorithms and architectures adapted to the particular needs of the given problem to be solved by AI. This project will develop all the support necessary to enable the use of the Deepwise Separable (DWS) convolution on a training and inference platform for AI. The convolution will be implemented on a system based on an FPGA, an Alveo by Xilinx, using High-Level Synthesis. To demonstrate the advantages that our implementation of the convolution provides us, we will compare our implementations with that of a direct convolution. | es_ES |
dc.description.abstract | [ES] En los últimos años la Inteligencia Artificial (AI) se está convirtiendo en un elemento imprescindible en múltiples ámbitos tecnológicos. Al mismo tiempo que la IA se está desarrollando a nivel de algoritmos, también las arquitecturas de procesamiento se están adaptando para un mejor soporte de la IA. Para un mejor conocimiento de las implicaciones de las arquitecturas con los algoritmos de IA se hace imprescindible el uso de nuevas herramientas que permitan una exploración adecuada y, por consiguiente, un desarrollo de algoritmos y arquitecturas óptimos y adaptados a las necesidades particulares del problema a resolver por la IA. En este proyecto se desarrollará todo el soporte para habilitar el uso de la convolución DeepWise Separable en una plataforma de entrenamiento e inferencia de procesos de IA. La convolución se implementará en un sistema basado en una FPGA, la ALVEO de Xilinx utilizando High-Level Synthesis. Para demostrar las ventajas que nos proporciona nuestra implementación de la convolución, compararemos nuestra implementación con la implementación de una convolución directa. | es_ES |
dc.description.abstract | [CA] En els últims anys, la intel.ligència artificial (IA) s’està convertint en un element imprescindible en múltiples àmbits tecnològics. Al mateix temps que la IA s’està desenvolupant a nivell d’algorismes, també les arquitectures de processament s’estan adaptant per a un millor suport de la IA. Per millorar coneixement de les implicacions de les arquitectures amb els algoritmes de IA es fa imprescindible l’ús de noves eines que permetin una exploració adecuada i, per tant, un desenvolupament d’algorismes i arquitectures òptimes i adaptats a les necessitats particulars del problema a resoldre per la IA. En aquest projecte es desenvoluparà el suport necessari per a permetre l’us de la convolució "DeepWise Separable"en una plataforma d’entrenament e inferència de procesos de IA. La convolució s’implementarà en un sistema basat en la FPGA ALVEO de Xilinx emprant High-level sintesis. Per a demostrar les ventajes que ens proporciona la nostra implementació de la convolució, compararem la nostra implementació amb una implementació de la convolució directa. | es_ES |
dc.format.extent | 58 | es_ES |
dc.language | Inglés | es_ES |
dc.publisher | Universitat Politècnica de València | es_ES |
dc.rights | Reserva de todos los derechos | es_ES |
dc.subject | Artificial intelligence | es_ES |
dc.subject | Architectures | es_ES |
dc.subject | Convolution | es_ES |
dc.subject | Inference | es_ES |
dc.subject | Training | es_ES |
dc.subject | Inteligencia artificial | es_ES |
dc.subject | Arquitecturas | es_ES |
dc.subject | Convoluciones | es_ES |
dc.subject | Inferencia | es_ES |
dc.subject | Entrenamiento | es_ES |
dc.subject.classification | ARQUITECTURA Y TECNOLOGIA DE COMPUTADORES | es_ES |
dc.subject.other | Grado en Ingeniería Informática-Grau en Enginyeria Informàtica | es_ES |
dc.title | Deepwise Separable Convolution Support in Neural Network Platform | es_ES |
dc.title.alternative | Desarrollo de la Convolución DeepWise Separable en Plataforma de Redes Neuronales | es_ES |
dc.type | Proyecto/Trabajo fin de carrera/grado | es_ES |
dc.rights.accessRights | Abierto | es_ES |
dc.contributor.affiliation | Universitat Politècnica de València. Departamento de Informática de Sistemas y Computadores - Departament d'Informàtica de Sistemes i Computadors | es_ES |
dc.contributor.affiliation | Universitat Politècnica de València. Escola Tècnica Superior d'Enginyeria Informàtica | es_ES |
dc.description.bibliographicCitation | Mcmullen García, BM. (2021). Deepwise Separable Convolution Support in Neural Network Platform. Universitat Politècnica de València. http://hdl.handle.net/10251/171766 | es_ES |
dc.description.accrualMethod | TFGM | es_ES |
dc.relation.pasarela | TFGM\142398 | es_ES |