elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Hybrid Performance Prediction Models for Fully-Connected Neural Networks on MPSoC

Dariol, Quentin und Le Nours, Sebastien und Pillement, Sebastien und Stemmer, Ralf und Helms, Domenik und Grüttner, Kim (2022) Hybrid Performance Prediction Models for Fully-Connected Neural Networks on MPSoC. In: Hybrid Performance Prediction Models for Fully-Connected Neural Networks on MPSoC. 16th Colloquium of GDR SoC2, 2022-06-27 - 2022-06-29, Strasbourg, France. doi: 10.5281/zenodo.11208702.

[img] PDF
1MB

Kurzfassung

Predicting the performance of Artificial Neural Networks (ANNs) on embedded multi-core platforms is tedious. Concurrent accesses to shared resources are hard to model due to congestion effects on the shared communication medium, which affect the performance of the application. In this paper we present a hybrid modeling environment to enable fast yet accurate timing prediction for fully-connected ANNs deployed on multi-core platforms. The modeling flow is based on the integration of an analytical computation time model with a communication time model which are both calibrated through measurement inside a system level simulation using SystemC. The proposed flow enables the prediction of the end-to-end latency for different mappings of several fully-connected ANNs with an average of more than 99 % accuracy.

elib-URL des Eintrags:https://elib.dlr.de/188199/
Dokumentart:Konferenzbeitrag (Poster)
Zusätzliche Informationen:Abstract (2 pages) and poster presentation
Titel:Hybrid Performance Prediction Models for Fully-Connected Neural Networks on MPSoC
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Dariol, Quentinquentin.dariol (at) dlr.dehttps://orcid.org/0000-0002-3284-6882NICHT SPEZIFIZIERT
Le Nours, Sebastiensebastien.le-nours (at) univ-nantes.frhttps://orcid.org/0000-0002-1562-7282NICHT SPEZIFIZIERT
Pillement, Sebastiensebastien.pillement (at) univ-nantes.frhttps://orcid.org/0000-0002-9160-2896NICHT SPEZIFIZIERT
Stemmer, Ralfralf.stemmer (at) dlr.dehttps://orcid.org/0000-0002-8302-7713NICHT SPEZIFIZIERT
Helms, Domenikdomenik.helms (at) dlr.dehttps://orcid.org/0000-0001-7326-200XNICHT SPEZIFIZIERT
Grüttner, KimKim.Gruettner (at) dlr.dehttps://orcid.org/0000-0002-4988-3858NICHT SPEZIFIZIERT
Datum:2022
Erschienen in:Hybrid Performance Prediction Models for Fully-Connected Neural Networks on MPSoC
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Nein
In ISI Web of Science:Nein
DOI:10.5281/zenodo.11208702
Status:veröffentlicht
Stichwörter:Model of Performance, Multi Processor, SystemC simulation, Artificial Neural Networks
Veranstaltungstitel:16th Colloquium of GDR SoC2
Veranstaltungsort:Strasbourg, France
Veranstaltungsart:nationale Konferenz
Veranstaltungsbeginn:27 Juni 2022
Veranstaltungsende:29 Juni 2022
Veranstalter :GDR SoC2
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Verkehr
HGF - Programmthema:keine Zuordnung
DLR - Schwerpunkt:Verkehr
DLR - Forschungsgebiet:V - keine Zuordnung
DLR - Teilgebiet (Projekt, Vorhaben):V - keine Zuordnung
Standort: Oldenburg
Institute & Einrichtungen:Institut für Systems Engineering für zukünftige Mobilität > System Evolution and Operation
Hinterlegt von: Dariol, Quentin
Hinterlegt am:26 Sep 2022 08:58
Letzte Änderung:21 Mai 2024 07:42

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.