Description
Date depot: 1 avril 2025
Titre: Modélisation et optimisation de la gestion de la mémoire pour l'exécution d'un Transformer
Directrice de thèse:
Alix MUNIER (LIP6)
Encadrant :
Adrien CASSAGNE (LIP6)
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Systèmes et architectures intégrés matériel-logiciel
Resumé: Cette thèse vise à optimiser l'exécution d'un réseau de neurones profonds (DNN) de type Transformer sur une architecture donnée. La gestion efficace de la mémoire représente un défi majeur pour généraliser leur utilisation, notamment en raison de leur forte consommation de ressources. De nombreuses études se sont penchées sur la réduction de l'empreinte mémoire à l'exécution, mais des améliorations restent possibles. L'objectif de cette recherche est de concevoir et d'évaluer expérimentalement des algorithmes innovants permettant d'optimiser la consommation énergétique liée à l'utilisation de la mémoire lors de l'inférence d'un DNN. Ces algorithmes seront testés dans des conditions réelles afin de valider leur efficacité et leur applicabilité.