Implementierung der Messung der Leistungseffizienz von Computerplattformen

Kontext

Die Ausführung von Machine Learning (ML)-Modellen ist oft rechen- und ressourcenintensiv und lässt sich nur schwer auf eingebetteten Geräten mit begrenztem Energiebudget einsetzen. Um ML-Modelle auf diesen Geräten auszuführen, gibt es zahlreiche Optimierungs- und Einsatztechniken. Die meisten dieser Techniken berücksichtigen jedoch nicht die Energieverbrauchsmetriken der Zielgeräte. Die genaue Erfassung dieser Metriken in bestehenden ML-Frameworks ermöglicht die Optimierung der Modelle für stromsparende Zielgeräte.

Ziele

In dieser Arbeit wird die Methodik zur Messung der Leistungseffizienz von integrierten KI-Systemen erforscht. Es wird ein Hardware-Setup für die Durchführung von Messungen des Stromverbrauchs, der Ausführungszeit und der Modellgenauigkeit implementiert. Um das Design zu evaluieren, werden verschiedene Hardwareplattformen mit unterschiedlichen KI-Modellen verglichen.

Voraussetzungen

• Programmiererfahrung in Python und C/C++;
• Grundlegende Kenntnisse über neuronale Netze;
• Grundkenntnisse von Mikrocontrollern;
• Motivation und Interesse, technische Probleme selbständig zu lösen.