Contact: Vincenzo Izzo, Elvira Rossi

 

 

 

Obiettivi del corso: Verra' illustrata la progettazione di algoritmi di Deep Neural Network (DNN) sia a bassissima latenza (inferenza <500ns/evento), in fase di sviluppo per il trigger di livello 0 degli RPC di fase2 dell'esperimento ATLAS, sia per sistemi a più alta latenza (inferenza < 1ms/evento) con DNN su acceleratori commerciali (Xilinx Alveo, ACAP, Edge/DPU (ZCU102/103/104) etc.). Si prevedono, inoltre, sessioni hands-on per l'implementazione pratica di tutti i vari step della pipeline di sviluppo.

 

Argomenti:

  • lo sviluppo e l'allenamento di reti neurali profonde per task di classificazione e regressione in sistemi di trigger o real-time
  • l'ottimizzazione dei modelli allenati dal punto di vista della semplificazione, della latenza di esecuzione e dell'utilizzo delle risorse (memoria etc..)
  • la sintesi dei modelli su coprocessori basati su FPGA/etc...

Prerequisiti: Conoscenze di base di Machine Learning.

Struttura del Corso: 12 ore di lezione, suddivise in 6 ore di lezioni frontali e 6 ore di esercitazioni.

Docenti: Stefano Giagu
 

 

Starts
Ends
Europe/Rome