Detail práce
Aproximace hlubokých neuronových sítí
Cílem mé práce je zjistit vliv a dopad aproximovaného počítání na přesnost hluboké neuronové sítě, konkrétně neuronové sítě pro klasifikaci obrazu. Pro implementaci neuronové sítě byla použita varianta frameworku Caffe zvaná Ristretto-caffe, která byla rozšířena o možnost použití aproximovaných operací v konvolučních vrstvách. pro používání aproximovaných komponent. Aproximované počítání bylo použito na násobení v dopředné propagaci při konvoluci. Jako aproximované komponenty byly zvoleny komponenty z knihovny Evoapproxlib.
Hluboké neuronové sítě, klasifikace obrazu, aproximované počítání, aproximované komponenty, Evoapproxlib, C++, CUDA, Caffe, Ristretto-caffe
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm D.
- Z jakých paměťových přístupů pro ukládání vyhledávacích tabulek jste volil a proč jste se rozhodl pro použití texturové paměti?
- Jaké kroky je potřeba provést pro aproximování jiné neuronové sítě?
- Je podle Vás sdílená paměť rychlejší než lokální paměť?
- Co jste přesně doplnil do frameworku Caffe?
Burget Lukáš, doc. Ing., Ph.D. (UPGM FIT VUT), člen
Grézl František, Ing., Ph.D. (UPGM FIT VUT), člen
Hliněná Dana, doc. RNDr., Ph.D. (UMAT FEKT VUT), člen
Strnadel Josef, Ing., Ph.D. (UPSY FIT VUT), člen
@bachelorsthesis{FITBT21819, author = "Martin Stod\r{u}lka", type = "Bakal\'{a}\v{r}sk\'{a} pr\'{a}ce", title = "Aproximace hlubok\'{y}ch neuronov\'{y}ch s\'{i}t\'{i}", school = "Vysok\'{e} u\v{c}en\'{i} technick\'{e} v Brn\v{e}, Fakulta informa\v{c}n\'{i}ch technologi\'{i}", year = 2019, location = "Brno, CZ", language = "czech", url = "https://www.fit.vut.cz/study/thesis/21819/" }