FPGA-kluster för Deep Learning
Det är vanligt att de som idag tillämpar Deep Learning använder en GPU eller flera GPU:er parallellt för att träna sina djupa neuronnät. I ett djupt neuronnät är det väldigt många beräkningar som ska göras vilket är en anledning till varför man oftast använder en GPU, vilket är ekonomiskt kostsamt.
Vad som kan vara ett alternativ, som även är passande för realtidsproblem och problem som är känsliga för långa responstider, är FPGA:er. Dessa är både billigare, mer energisnåla och kan anpassas för många problem.
Uppgift
Uppgiften är att undersöka hur man skulle kunna använda ett kluster av FPGA:er för att implementera djupa neuronnät som till exempel ett Convolutional Neural Network (CNN).
Bakgrundskunskaper
Vi söker dig som läser till civilingenjör på D, IT, MT, U, Y eller liknande utbildning.
Kontaktperson
För mer information kontakta Åsa Detterfelt, 070-6595812, asa.detterfelt@mindroad.se.
Ansök här
Fält med * är krav. Övriga är valfria.