Description
Architectures matérielles généralistes (CPU, GPU) et spécialisées (architectures systoliques, à grand nombre de coeurs, etc.) pour l'apprentissage profond. Analyse de la consommation d'énergie d'un modèle à plusieurs niveaux d'abstraction pour des technologies CMOS et émergentes. Optimisation de modèles pour l'implémentation: quantification, compression, élagage, algorithmes d'exploration automatique. Optimisation d'architectures matérielles paramétriques, interaction entre le modèle et l'architecture matérielle. Projet expérimental de minimisation de la consommation d'énergie d'une approche par apprentissage profond.