De wereld van technologie evolueert voortdurend en een van de meest opwindende ontwikkelingen van de afgelopen jaren is de opkomst van heterogene multi-processor system-on-chips (MPSoC's). Deze systemen zijn in staat om meerdere verwerkingselementen, zoals CPU's, GPU's en DSP's, te combineren om een ​​krachtig en energie-efficiënt platform te bieden voor een verscheidenheid aan toepassingen. Een van die toepassingen is het gebruik van MPSoC's voor dynamische neurale netwerken (DNN's). DNN's zijn een vorm van kunstmatige intelligentie die kan worden gebruikt om complexe problemen op te lossen en beslissingen te nemen.

Het uitvoeren van DNN's op MPSoC's brengt echter een aantal uitdagingen met zich mee. Een van deze uitdagingen is de behoefte aan een energie-efficiënt uitvoeringsschema dat kan profiteren van de heterogene aard van het systeem. Om deze uitdaging aan te gaan, hebben onderzoekers een aantal verschillende energie-efficiënte uitvoeringsschema's ontwikkeld voor DNN's op MPSoC's.

In dit artikel bespreken we zo'n energie-efficiënt uitvoeringsschema voor DNN's op MPSoC's. Dit schema is gebaseerd op een techniek die "dynamische taakplanning" (DTS) wordt genoemd. Het idee achter DTS is om dynamisch taken toe te wijzen aan verschillende verwerkingselementen om de energie-efficiëntie te maximaliseren. Om dit te doen, identificeert het systeem eerst de meest energie-efficiënte manier om een ​​bepaalde taak uit te voeren. Vervolgens wijst het de taak toe aan het juiste verwerkingselement en plant deze voor uitvoering.

Het voorgestelde DTS-schema is geëvalueerd op een aantal verschillende MPSoC's. De resultaten tonen aan dat het het energieverbruik van DNN's op deze systemen aanzienlijk kan verminderen. In één onderzoek kon het voorgestelde schema het energieverbruik van een DNN met wel 40% verminderen. Dit is een indrukwekkend resultaat, omdat het aantoont dat het voorgestelde schema effectief kan profiteren van de heterogene aard van MPSoC's om aanzienlijke energiebesparingen te realiseren.

Over het algemeen biedt deze studie waardevol inzicht in hoe energie-efficiënte uitvoeringsschema's kunnen worden gebruikt om DNN's op MPSoC's uit te voeren. Door gebruik te maken van de heterogene aard van deze systemen, is het mogelijk om het energieverbruik te verminderen en toch hoge prestaties te bereiken. Dit is een belangrijke stap om van MPSoC's een levensvatbaar platform te maken voor het uitvoeren van DNN's in de toekomst.

Bron: Plato Data Intelligence: PlatoAiStream