Fabio Ricciardi
Sviluppo e test di applicazioni di Deep Learning su acceleratori hardware embedded = Development and test of Deep Learning applications on embedded hardware accelerators.
Rel. Enrico Masala. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Informatica (Computer Engineering), 2020
|
Preview |
PDF (Tesi_di_laurea)
- Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (6MB) | Preview |
Abstract
Al giorno d'oggi, è possibile osservare i prodotti dello sviluppo dell'Intelligenza Artificiale sia nella vita ordinaria che lavorativa. Finora, il progresso di tali tecniche ha sempre richiesto che alle spalle vi sia una macchina dotata di un'elevata capacità computazionale, ma, con lo sviluppo delle nuove tecnologie, si è affermato il concetto di "Inference at the Edge", ovvero Inferenza alla periferia, cioè permettere a dispositivi, i quali normalmente non sono capaci di sfruttare le tecniche di Intelligenza Artificiale, più in particolare, di Deep Learning, di eseguire la fase di inferenza in tempo reale senza alcun supporto esterno, se non dei dispositivi embedded di supporto, garantendo privacy, consumi e costi ridotti ed esecuzione in tempo reale.
Lo scopo di questa tesi è lo sviluppo e il test di algoritmi e applicazioni di Machine Learning e Deep Learning eseguendo, successivamente, la fase di inferenza su uno di questi dispositivi, la Intel Neural Compute Stick 2 (NCS2), dispositivo sviluppato da Intel dalle fattezze di una chiavetta USB ma che all'interno nasconde un hardware capace di eseguire la fase di inferenza per un modello di rete neurale artificiale, e valutarne le prestazioni
Relatori
Anno Accademico
Tipo di pubblicazione
Numero di pagine
Corso di laurea
Classe di laurea
URI
![]() |
Modifica (riservato agli operatori) |
