ANR RADYAL (ANR RADYAL)
Description du projet: Apprentissage automatique dynamique s'adaptant aux ressources disponibles. La recherche en apprentissage automatique et en réseaux de neurones profonds a fait des avancées considérables ces dernières décennies. Les modèles de l’état de l’art demandent une énorme quantité de données pour leur entraînement et contiennent un nombre gigantesque de paramètres ce qui mène à un très grand besoin de ressources en termes de puissance de calcul, mémoire et donc en énergie. Ces dernières années, cela a conduit à des approches réduisant ces besoins, où, pendant ou après l’apprentissage, des parties du modèle sont enlevées (élagage) ou stockées en précision plus faible (quantification) ou des modèles de substitution sont entraînés (knowledge distillation) où la meilleure configuration est cherchée en testant différent paramètres (Neural Architecture Search, NAS). De plus, de nombreuses optimisations matérielles ont été proposées pour accélérer l’inférence de réseaux de neurones sur différentes architectures. En général, ces accélérateurs sont spécifiques à un type de matériel et optimisés pour satisfaire un critère statique de performance. Or, pour de nombreuses applications, les besoins de performance d’un réseau de neurones déployé sur une plateforme donnée ne sont pas statiques mais évoluent de manière dynamique au fur et á mesure que les conditions d’opération et que l’environnement changent. Par conséquent, nous proposons dans ce projet une approche interdisciplinaire originale qui permet de reconfigurer des réseaux de neurones profonds de manière dynamique pendant l’exécution, tout en prenant en compte les conditions externes, en suivant une approche basée sur les boucles de rétroaction et la théorie du contrôle.Tutelle gestionnaire: Institut National des Sciences Appliquées de Lyon
Contract dates: 01/10/2023 - 31/03/2027
Team: Imagine
LIRIS scientific leader: Stefan Duffner
Partenaires: Centre de recherche Inria de l'Université de Rennes, Laboratoire Grenoble Image Parole Signal Automatique
URL: https://anr.fr/Projet-ANR-23-IAS3-0002