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
Samarbetspartners
Forskningsområde
Forskningsinriktning
Projektansvarig vid MDH
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.