08.03.2022
| Forschung |
Mit maschinellem Lernen zur Green IT
Für Batterie betriebene Geräte des Internet of Things (IoT) ist die Auswahl der richtigen Hardware eine große Herausforderung. Mit Hilfe eines ML-basierten Verfahren kann der Stromverbrauch von neuronalen Netzen auf Grafikprozessoren, die in IoT Geräten genutzt werden, frühzeitig bestimmt werden.
In dem Paper „ML-based Power Estimation of Convolutional Neural Networks on GPGPUs“ hat unser wissenschaftlicher Mitarbeiter Christopher Metz in Kooperation mit Mehran Goli (DFKI) einen Ansatz weiterentwickelt, um den Stromverbrauch von GPGPUs, bei der Ausführung von Convolutional Neural Networks (CNNs) in frühen Phasen der Entwicklung noch besser zu bestimmen.
Die Arbeit verbessert die Methodik von vorangegangenen Studien zu dem Thema, die bei dem DATE Friday Workshop
System-level Design Methods for Deep Learning on Heterogeneous Architectures (wir berichteten
»hier) und der
International Conference on Hardware/Software Codesign and System Synthesis (wir berichteten
»hier) veröffentlicht wurden.
Mit dem neuen Ansatz ist es möglich mit Hilfe von „nur“ sieben Prädiktoren den Stromverbrauch eines Convolutional Neural Networks auf einer General Purpose Computing on Graphics Processing Unit (GPGPU) zu bestimmen. Dadurch ist es möglich den Stromverbrauch zu bestimmen ohne, dass das Neuronale Netz auf einer realen Grafikkarte ausgeführt werden muss.
Die Arbeit ist in Kooperation mit der Arbeitsgruppe Cyber-Physical Systems des DFKI am Standort Bremen entstanden und wird auf der
25th IEEE International Symposium on Design and Diagnostics of Electronic Circuits and Systems (DDECS) (
ddecs2022.fit.cvut.cz) vom 06.04 bis 08.04.2022 in Prag vorgestellt. Weitere Autoren sind Dr.-Ing. Mehran Goli (DFKI/Uni Bremen) und Prof. Rolf Drechsler (Uni Bremen/DFKI).
Über DDECS:
Das
International Symposium on Design and Diagnostics of Electronic Circuits and Systems (DDECS) bietet ein Forum für den Gedankenaustausch, die Diskussion von Forschungsergebnissen und die Präsentation praktischer Anwendungen in den Bereichen Entwurf, Test und Diagnose von mikroelektronischen digitalen, analogen und Mixed-Signal-Schaltungen und -Systemen.
Aktualisiert von: Lena Steinmann
« zurück
08.03.2022 | Forschung
Mit maschinellem Lernen zur Green IT
Für Batterie betriebene Geräte des Internet of Things (IoT) ist die Auswahl der richtigen Hardware eine große Herausforderung. Mit Hilfe eines ML-basierten Verfahren kann der Stromverbrauch von neuronalen Netzen auf Grafikprozessoren, die in IoT Geräten genutzt werden, frühzeitig bestimmt werden.
In dem Paper „ML-based Power Estimation of Convolutional Neural Networks on GPGPUs“ hat unser wissenschaftlicher Mitarbeiter Christopher Metz in Kooperation mit Mehran Goli (DFKI) einen Ansatz weiterentwickelt, um den Stromverbrauch von GPGPUs, bei der Ausführung von Convolutional Neural Networks (CNNs) in frühen Phasen der Entwicklung noch besser zu bestimmen.
Die Arbeit verbessert die Methodik von vorangegangenen Studien zu dem Thema, die bei dem DATE Friday Workshop
System-level Design Methods for Deep Learning on Heterogeneous Architectures (wir berichteten
»hier) und der
International Conference on Hardware/Software Codesign and System Synthesis (wir berichteten
»hier) veröffentlicht wurden.
Mit dem neuen Ansatz ist es möglich mit Hilfe von „nur“ sieben Prädiktoren den Stromverbrauch eines Convolutional Neural Networks auf einer General Purpose Computing on Graphics Processing Unit (GPGPU) zu bestimmen. Dadurch ist es möglich den Stromverbrauch zu bestimmen ohne, dass das Neuronale Netz auf einer realen Grafikkarte ausgeführt werden muss.
Die Arbeit ist in Kooperation mit der Arbeitsgruppe Cyber-Physical Systems des DFKI am Standort Bremen entstanden und wird auf der
25th IEEE International Symposium on Design and Diagnostics of Electronic Circuits and Systems (DDECS) (
ddecs2022.fit.cvut.cz) vom 06.04 bis 08.04.2022 in Prag vorgestellt. Weitere Autoren sind Dr.-Ing. Mehran Goli (DFKI/Uni Bremen) und Prof. Rolf Drechsler (Uni Bremen/DFKI).
Über DDECS:
Das
International Symposium on Design and Diagnostics of Electronic Circuits and Systems (DDECS) bietet ein Forum für den Gedankenaustausch, die Diskussion von Forschungsergebnissen und die Präsentation praktischer Anwendungen in den Bereichen Entwurf, Test und Diagnose von mikroelektronischen digitalen, analogen und Mixed-Signal-Schaltungen und -Systemen.
Autor*in: Lena Steinmann
Fragen beantwortet:
Christopher Metz
Wissenschaftlicher Mitarbeiter
+49 (421) 218 - 63942
cmetz@uni-bremen.de
« zurück