Εργαστηριακή Άσκηση: Ανάπτυξη κβαντισμένων νευρωνικών δικτύων σε επεξεργαστή RISC-V σε FPGA Nexys A7

Abstract

PYNQ είναι η συντομογραφία της υλοποίησης προγραμματισμού με Python του ZYNQ. Από την άποψη αρχιτεκτονικής υλικού, το τσιπ πυρήνων PYNQ είναι ένα ZYNQ FPGA SOC, το οποίο συνδυάζει προγραμματιζόμενη λογική με το προγραμματιζόμενο σύστημα, για να εκτελέσει τη δειγματοληψία, την επεξεργασία και την παραγωγή σημάτων. Σκοπός της εργασίας είναι η υλοποίηση "Neural Network Language Μodel" στην πλατφόρμα PYNQ, Xilinx. Δύο βασικά θέματα τα οποία θα πρέπει να αναπτυχθούν στην εργασία αυτή είναι: (α) ο σχεδιασμός FPGA με Python και (β) η ανάπτυξη ενός μοντέλου Deep Neural Network σε ένα μικρό ενσωματωμένο σύστημα. Βασικά, το περιεχόμενο της άσκησης περιλαμβάνει κυρίως τη χρήση του πίνακα PYNQ, βαθύ νευρωνικό σχέδιο και την κατάρτιση δικτύων, σχέδιο επιταχυντών FPGA, καθώς και προγραμματισμό Python σε FPGA.

PYNQ is an abbreviation for Python programming implementation of ZYNQ. From a hardware architecture perspective, the PYNQ core chip is a ZYNQ FPGA SOC, which combines programmable logic with a programmable system to perform sampling, processing, and signal generation. The aim of the project is the implementation of a "Neural Network Language Model" on the PYNQ platform, Xilinx. Two main topics need to be developed in this project: (a) FPGA design with Python and (b) development of a Deep Neural Network model on a small embedded system. The content of the exercise includes the use of the PYNQ board, deep neural network design and network training, FPGA accelerator design, as well as Python programming on FPGA.