Accélérateurs Deep Learning : Stratégies d’optimisation

Cette séance de cours explore les stratégies d'optimisation pour les accélérateurs d'apprentissage en profondeur, en se concentrant sur la réduction du mouvement des données dans les DNN grâce à des techniques telles que le traitement par lots, les optimisations de flux de données et la compression. L'instructeur explique les compromis impliqués dans le traitement par lots, les avantages des optimisations de flux de données pour l'efficacité énergétique, ainsi que les défis et le potentiel des techniques de compression. Divers concepts tels que la réutilisation du poids, la réutilisation des entrées et différentes architectures de flux de données sont explorés pour maximiser l'efficacité des accélérateurs d'apprentissage en profondeur.