Bear­beitet von J. Huber.

Bach­e­lor’s The­sis

Ab­stract

Zur Beschle­u­ni­gung von Deep Neural Net­works soll ein Hard­ware-Beschle­u­niger in An­lehnung an die Min­erva-Beschle­u­nig­er­ar­chitek­tur (Paper: Min­erva: En­abling Low-Power, Highly-Ac­cu­rate Deep Neural Net­work Ac­cel­er­a­tors ) im­ple­men­tiert wer­den. Der Beschle­u­niger sol l dabei in der 22FDX Tech­nolo­gie syn­thetisiert wer­den und mit un­ter­schiedlichen DNN-Ar­chitek­turen evaluiert wer­den.

Con­tact

Bring­mann, Oliver

Frischknecht, Adrian

Lübeck, Kon­stan­tin