Stage - ingénieur fpga & quantification non-linéaire pour le deep learning h/f

Toulouse Stage Rattaché à Scalian INSIGHT Mais quel sera votre rôle ? Dans un contexte où les modèles de deep learning atteignent des performances élevées mais restent coûteux en calcul et en mémoire, la quantification est un levier clé pour le déploiement embarqué. Face aux fortes contraintes matérielles, les approches de quantification non linéaire offrent de meilleurs compromis précision/complexité que les schémas classiques. Ce stage propose d'explorer et de prototyper ces techniques sur FPGA, jusqu'à la réalisation d'une preuve de concept sur un modèle de référence. - Réaliser un état de l'art des solutions d'implémentation des opérations MAC dans différents formats numériques (Float16, bfloat16, Fixed 16, Int8, ) - Prendre en main les différents formats numériques et analyser leur impact sur la précision et l'efficacité des calculs - Concevoir et optimiser des modules VHDL pour les opérations MAC en différents formats - Analyser et comparer leurs performances en termes de précision, latence et utilisation des ressources FPGA et consommation énergétique - Comparer ces modules avec des solutions existantes - Documenter le travail réalisé et proposer des recommandations pour l'intégration de ces modules dans des architectures plus larges