Zusammenfassung
Maschinelles Lernen findet immer mehr Anwendung in unserem Alltag, aber auch sicherheitskritische Systeme werden immer häufiger mit ML-Verfahren ausgestattet. Diese Arbeit gibt einen Einblick in die Realisierung eines Machine-Learning-Co-Prozessors für Embedded Systems und IoT-Geräte. Dabei wurde eine skalierbare Architektur mit Anlehnung an Google’s Tensor Processing Units umgesetzt. Kleinere Systeme können so mit diesem Beschleuniger ausgestattet werden und neben der parallelen Ausführung von ML-Modellen noch andere Echtzeitaufgaben übernehmen.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsPreview
Unable to display preview. Download preview PDF.
Literatur
1. Simon Haykin: Neural Networks: A Comprehensive Foundation. Prentice Hall PTR, 1994
2. Kyoung-Su Oh; Keechul Jung: GPU implementation of neural networks. School of Media, College of Information Science, Soongsil University. 2004
3. C. Zhang; P.C. Woodland: DNN Speaker Adaption Using Parameterised Sigmoid and ReLU Hidden Activation Functions. Cambridge University Engineering. 2016
4. Norman P. Jouppi; Cliff Young u. a.: In-Datacenter Performance Analysis of a Tensor Processing Unit. Google, Inc. 2017
5. Benoit Jacob; Skirmantas Kligys u. a.: Quantization and Training of Neural Networks for Efficient Integer-Arithmetic-Only Inference. Google, Inc. 2017
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2019 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this paper
Cite this paper
Fuhrmann, J. (2019). Implementierung einer Tensor Processing Unit mit dem Fokus auf Embedded Systems und das Internet of Things. In: Unger, H. (eds) Echtzeit 2019. Informatik aktuell. Springer Vieweg, Wiesbaden. https://doi.org/10.1007/978-3-658-27808-3_7
Download citation
DOI: https://doi.org/10.1007/978-3-658-27808-3_7
Published:
Publisher Name: Springer Vieweg, Wiesbaden
Print ISBN: 978-3-658-27807-6
Online ISBN: 978-3-658-27808-3
eBook Packages: Computer Science and Engineering (German Language)