Google, les universités de Purdue et de Harvard facilitent le développement de l’apprentissage automatique

Terrain de jeu CFU : Cadre open source complet pour l'accélération de l'apprentissage automatique minuscule (tinyML) sur FPGA
SIA Team
January 12, 2022

L’apprentissage machine (ML) est un élément essentiel de nombreux outils de marketing. La sécurité devenant un problème de plus en plus important, de nombreux systèmes ML migrent vers le cloud pour améliorer la sécurité et la confidentialité.

Cependant, les systèmes ML personnalisés ont entraîné des coûts d’ingénierie de démarrage importants. Google, l’université de Purdue et l’université de Harvard s’efforcent de réduire ce problème.

Dans le nouveau document CFU Playground : Full-Stack Open-Source Framework for Tiny Machine Learning (tinyML) Acceleration on FPGAs, une équipe de recherche de Google, de l’université de Purdue et de l’université de Harvard présente CFU Playground, un cadre open-source complet qui intègre des logiciels open-source, des générateurs RTL (register-transfer level) et des outils FPGA (field-programmable gate array) pour permettre la conception rapide et itérative d’accélérateurs pour les systèmes ML embarqués. Les développeurs peuvent utiliser le cadre pour concevoir des unités fonctionnelles personnalisées (CFU) pour des opérations ML distinctes.

Lors des tests, même les utilisateurs ayant une expérience minimale des FPGA ou du matériel ont été en mesure de réaliser des accélérations de modèles allant jusqu’à 75 fois.

En savoir plus sur Google, Perdue et le cadre Open Source de l’Université de Harvard .