Mälardalens högskolas logotyp
Mälardalens Högskola Logga

Text

Artificiell intelligens och intelligenta system

Automatiserade mjukvaruspråkutveckling och mjukvaruteknik

Certifierbara bevis och justifieringsteknik

Cyber-fysisk systemanalys

k

Energieffektivisering och minskning av utsläpp

Formell modellering och analys av inbyggda system

Heterogena system

Industriell programvaruteknik

Komplexa inbyggda system i realtid

Lärande och optimering

Modellbaserad konstruktion av inbäddade system

Produkt- och produktionsutveckling

Programmeringsspråk

Programvarutestlaboratorium

Säkerhetskritisk teknik

Teknisk matematik

Förnybar energi

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.

Avslutat

Start

2018-02-15

Avslut

2021-02-15

Huvudfinansiering

KK-stiftelsen

Samarbetspartners

Saab AB, Avionics Systems och Unibap AB

Projektansvarig vid MDH

Professor

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.

 

Till toppen