Text

Säkerhetskritisk teknik

Teknisk matematik

Programmeringsspråk

Programvarutestlaboratorium

Resurseffektivisering

Artificiell intelligens och intelligenta system

Automatiserade mjukvaruspråkutveckling och mjukvaruteknik

Certifierbara bevis och justifieringsteknik

Cyber-fysisk systemanalys

Datakommunikation

Digitalisering

Formell modellering och analys av inbyggda system

Förnybar energi

Heterogena system

Industriell programvaruteknik

Komplexa inbyggda system i realtid

Lärande och optimering

Medicinsk teknik

Modellbaserad konstruktion av inbäddade system

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

Forskningsinriktning

Projektansvarig vid MDH

No partial template found

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