Energy Efficient Edge-AI with Low-Precision POSIT Arithmetic on FPGA
- Titel
- Energy Efficient Edge-AI with Low-Precision POSIT Arithmetic on FPGA
- Autor/in
- Datierung
- 17.01.2025
- Beschreibung
- Diese Arbeit untersucht, ob Posit-Arithmetik die Festkommaarithmetik in Convolutional Neural Network
(CNN)-Beschleunigern ersetzen könnte, mit einem Hauptaugenmerk auf die Energieeffizienz.
Das zentrale Ziel dieser Studie ist die Bewertung der Praktikabilität und Effizienz von Posit-
Arithmetik mit ultra-low precision für CNN-Beschleuniger. Die Ergebnisse deuten darauf hin, dass
die Festkommaarithmetik im Allgemeinen eine überlegene Energieeffizienz aufweist. Daher bleibt
die Festkommaarithmetik die bevorzugte Wahl für die Hardware-Implementierung
von CNN-Beschleunigern, insbesondere in FPGA-basierten, ressourcenbeschränkten Umgebungen.
This thesis investigates whether posit arithmetic could replace fixed-point arithmetic in
convolutional neural network (CNN) accelerators, with a primary focus on power efficiency. The
central objective of this study is to evaluate the practicality and efficiency of low-precision posit
arithmetic for CNN accelerators. As a result, fixed-point arithmetic remains the preferred choice
for hardware implementation of CNN accelerators, particularly in FPGA-based, resourceconstrained
environments.
- Diese Arbeit untersucht, ob Posit-Arithmetik die Festkommaarithmetik in Convolutional Neural Network
- Urheberrechtshinweis
- Hrvat Matej, Hochschule Luzern - Departement Technik & Architektur
HSLU
- Departement
- Studiengang
- Art der Arbeit
- Betreuer/Betreuerin
Werk
- Titel
- Energy Efficient Edge-AI with Low-Precision POSIT Arithmetic on FPGA
- Beschreibung
- Diese Arbeit untersucht, ob Posit-Arithmetik die Festkommaarithmetik in Convolutional Neural Network
(CNN)-Beschleunigern ersetzen könnte, mit einem Hauptaugenmerk auf die Energieeffizienz.
Das zentrale Ziel dieser Studie ist die Bewertung der Praktikabilität und Effizienz von Posit-
Arithmetik mit ultra-low precision für CNN-Beschleuniger. Die Ergebnisse deuten darauf hin, dass
die Festkommaarithmetik im Allgemeinen eine überlegene Energieeffizienz aufweist. Daher bleibt
die Festkommaarithmetik die bevorzugte Wahl für die Hardware-Implementierung
von CNN-Beschleunigern, insbesondere in FPGA-basierten, ressourcenbeschränkten Umgebungen.
This thesis investigates whether posit arithmetic could replace fixed-point arithmetic in
convolutional neural network (CNN) accelerators, with a primary focus on power efficiency. The
central objective of this study is to evaluate the practicality and efficiency of low-precision posit
arithmetic for CNN accelerators. As a result, fixed-point arithmetic remains the preferred choice
for hardware implementation of CNN accelerators, particularly in FPGA-based, resourceconstrained
environments.
- Diese Arbeit untersucht, ob Posit-Arithmetik die Festkommaarithmetik in Convolutional Neural Network
- Autor/in
- Datierung
- 17.01.2025
- Format
- 86 Seiten
- Ort
- Sprache
Rechte
- Urheberrecht
- Hrvat Matej, Hochschule Luzern - Departement Technik & Architektur
- Hinweis zu Rechtsgrundlagen
- Lizenzierung
- Klassifikation