Encodage numérique pour les accélérateurs DNN

Cette séance de cours couvre la croissance exponentielle des réseaux neuronaux profonds (RND) et les défis qu'ils posent en termes de coûts de calcul et d'émissions de carbone. Il introduit de nouveaux schémas d'encodage numérique comme Block Floating Point (BFP) et Hybrid Block Floating Point (HBFP) pour optimiser la précision et l'efficacité matérielle des DNN. L'exposé traite de l'impact du PFHB sur l'exactitude des DNN, les avantages matériels et les possibilités d'optimisation croisée. Il se penche également sur la définition du problème de l'avantage de l'information dans un scénario multijoueur et présente des résultats sur la structure des règles de décision optimales, la distribution empirique, les ensembles de notation et le compromis optimal. La séance de cours se termine par des idées sur la rédaction efficace de documents de recherche.