Text
Säkerhetskritisk teknik
Teknisk matematik
Artificiell intelligens och intelligenta system
Automatiserade mjukvaruspråkutveckling och mjukvaruteknik
Industriell programvaruteknik
Komplexa inbyggda system i realtid
Lärande och optimering
Modellbaserad konstruktion av inbäddade system
Produkt- och produktionsutveckling
Programmeringsspråk
Programvarutestlaboratorium
Simulering och optimering för framtida industriella applikationer
Certifierbara bevis och justifieringsteknik
Cyber-fysisk systemanalys
Energieffektivisering och minskning av utsläpp
Formell modellering och analys av inbyggda system
Förnybar energi
Heterogena system
Human
DeepMaker: Deep Learning Accelerator on Commercial Programmable Devices
DeepMaker aims to provide a framework to generate synthesizable accelerators of Deep Neural Networks (DNNs) that can be used for different FPGA fabrics.
Start
2018-02-15
Planerat avslut
2021-02-15
Huvudfinansiering
KK-stiftelsen
Samarbetspartners
Saab AB, Avionics Systems och Unibap AB
Projektansvarig vid MDH
Universitetslektor
Masoud Daneshtalab
021-10 31 11
masoud.daneshtalab@mdh.se
DeepMaker aims to provide a framework to generate synthesizable accelerators of Deep Neural Networks (DNNs) that can be used for different FPGA fabrics. DeepMaker enables effective use of DNN acceleration in commercially available devices that can accelerate a wide range of applications without a need of costly FPGA reconfigurations.