Submitted 29 August, 2024; originally announced September 2024. , Comments: The paper is accepted by 2023 IEEE International Conference on Pervasive Computing and Communications (Best Demo Award)
توضیحات به فارسی
ارسال شده 29 اوت 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد. ، نظرات: این مقاله توسط کنفرانس بین المللی IEEE در سال 2023 در مورد محاسبات و ارتباطات گسترده (بهترین جایزه نسخه ی نمایشی) پذیرفته شده است.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
Deploying Deep Learning (DL) on embedded end devices is a scorching trend in pervasive computing. Since most Microcontrollers on embedded devices have limited computing power, it is necessary to add a DL accelerator. Embedded Field Programmable Gate Arrays (FPGAs) are suitable for deploying DL accelerators for embedded devices, but developing an energy-efficient DL accelerator on an FPGA is not easy. Therefore, we propose the ElasticAI-Workflow that aims to help DL developers to create and deploy DL models as hardware accelerators on embedded FPGAs. This workflow consists of two key components: the ElasticAI-Creator and the Elastic Node. The former is a toolchain for automatically generating DL accelerators on FPGAs. The latter is a hardware platform for verifying the performance of the generated accelerators. With this combination, the performance of the accelerator can be sufficiently guaranteed. We will demonstrate the potential of our approach through a case study.
چکیده به فارسی (ترجمه ماشینی)
استفاده از یادگیری عمیق (DL) در دستگاه های انتهای تعبیه شده یک روند سوزناک در محاسبات گسترده است.از آنجا که بیشتر میکروکنترلرها در دستگاه های تعبیه شده دارای قدرت محاسباتی محدود هستند ، اضافه کردن یک شتاب دهنده DL ضروری است.آرایه های دروازه قابل برنامه ریزی Field Field (FPGA) برای استقرار شتاب دهنده های DL برای دستگاه های تعبیه شده مناسب است ، اما ایجاد یک شتاب دهنده DL با کارآیی انرژی در FPGA آسان نیست.بنابراین ، ما Elasticai-Workflow را پیشنهاد می کنیم که هدف آن کمک به توسعه دهندگان DL برای ایجاد و استقرار مدل های DL به عنوان شتاب دهنده سخت افزاری در FPGA های تعبیه شده است.این گردش کار از دو مؤلفه اصلی تشکیل شده است: سازنده الاستیک و گره الاستیک.اولی یک ابزار ابزار برای تولید خودکار شتاب دهنده های DL در FPGA است.مورد دوم یک بستر سخت افزاری برای تأیید عملکرد شتاب دهنده های تولید شده است.با این ترکیب ، عملکرد شتاب دهنده می تواند به اندازه کافی تضمین شود.ما پتانسیل رویکرد خود را از طریق یک مطالعه موردی نشان خواهیم داد.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
