DeepLearning für FPGAs

Art der Arbeit:
Studienarbeit/Diplomarbeit/Bachelor-Arbeit/Master-Arbeit
Betreuer:
Adresse: Dr.-Ing. Marc Reichenbach
Lehrstuhl für Informatik 3 (Rechnerarchitektur)
Martensstr. 3
91058 Erlangen
Germany
Raum: 07.137
Telefon: +49 9131 85 27915
Fax: +49 9131 85 27912
Homepage: http://www3.informatik.uni-erlangen.de/Persons/marcreich
E-Mail: marc.reichenbach@fau.de
Adresse: Philipp Holzinger
Lehrstuhl für Informatik 3 (Rechnerarchitektur)
Martensstraße 3
91058 Erlangen
Germany
Raum: 07.159
Telefon: +49 9131 85 27010
Fax: +49 9131 85 27912
Homepage: http://www3.informatik.uni-erlangen.de/Persons/holzinger
E-Mail: philipp.holzinger@fau.de
Beschreibung der Arbeit:

Mit der HSAF (Heterogeneous System Architecture Foundation) wurde ein Standard von AMD, ARM, Qualcomm und anderen geschaffen um zukünftig heterogene Rechnersysteme flexibel aufzubauen und programmieren zu können. Der Lehrstuhl ist hierbei Mitglied in der HSAF und kann entscheidend Einfluss auf zukünftige Rechnermodelle nehmen.

Als Demonstrator wurde hierbei ein PC-System aufgebaut, in dem ein FPGA zur Beschleunigung von rechenintensiven Tasks eingesetzt wird. Für die Generierung der Architektur innerhalb des FPGAs wurde ein High-Level-Synthese-Tool (HLS) vom Lehrstuhl entwickelt um aus modernen parallelen Programmiersprachen (OpenCL, Cuda, C++AMP) Hardware zu generieren. So ist es möglich DeepLearning Anwendungen auch auf dem FPGA auszuführen. Aktuelle Frameworks (wie bspw. Tensorflow) nutzen bei der Abbildung auf Hardware (im speziellen Grafikkarten) jedoch proprietäre Bibliotheken (wie CuDNN). Da die Bibliotheken nicht offen zur Verfügung stehen, gestaltet siuch die Abbildung auf FPGAs (trotz HLS-Tools) schwierig. Deshalb soll mit dieser Arbeit eine IP-Bliothek für FPGAs entstehen, für das Lernen und die Inference von neuronalen Netzen um diese anschließend mit dem genannten HLS-Tool zu verbinden.

Bearbeitungszustand:
Offen