Implementation of a neural network application using accelerator on RİSC-V architecture in FPGA

Günümüzde akıllı cihazlar ve Nesnelerin İnterneti (IoT) cihazları hayatımızın ayrılmaz bir parçası haline gelmiştir. Özellikle Nesnelerin İnterneti cihazları, değişen hayat şartları ve artan teknolojilerle hayatımızın her parçasında önemli yer edinmiş durumdadır. 2010 yılında dünyada yaklaşık 800 milyon IoT cihazı ve 8 milyar diğer elektronik cihazların [1] bulunduğu tahmin edilirken 2022 yılında bu sayı IoT cihazları için 16 milyar, diğer cihazlar için ise 10 milyar civarındadır [1]. Nesnelerin İnterneti cihazlarının bu artış ile 2030 yılında 30 milyarı geçmesi beklenmektedir [2]. Öte yandan 2020 yılında yaşanmış olan Covid-19 salgını ile, cip endüstrisindeki üretim krizi nedeniyle yonga fiyatları yükselmiş ve hâlihazırda yüksek ücretlere satılmakta olan Intel, AMD ve ARM çiplerinin fiyatları daha da artmıştır [3]. Bu bağlamda, Intel, AMD ve ARM mimarilerine rakip olarak geliştirilmesi amaçlanan RISC-V mimarisi üzerindeki çalışmalar hız kazanmış ve RISC-V mimarisi ARM mimarisine bir rakip olarak görülmeye başlamıştır [4]. Bu tezde, açık kaynak kodlu olarak geliştirilmiş olan RISC-V adı verilen Komut Satırı Mimarisi incelenmiştir. RISC-V mimarisinin güncel mimarilere rakip olabilmesi için karmaşık işlemleri rakipleriyle benzer performansta çalıştırabilmesi gerektiği düşünülmüştür. Bununla birlikte RISC-V mimarisi kullanılarak bir yapay sinir ağı uygulaması geliştirilmiş ve RISC-V mimarisinin yapay sinir ağı uygulamaları ve görüntü işleme uygulamalarının çalışması konusunda performans yönünden günümüz işlemcilerine iyi bir alternatif olup olmadığı tartışılmıştır. Bu nedenle RISC-V mimarisi simülasyon ortamında çalıştırılarak farklı RISC-V çekirdekleri, farklı RISC-V mimarisine ait yazılım üzerinde çalışan işlemcileri kullanılarak görüntü işleme ve yapay sinir ağı uygulamaları denenerek sistemin performansı ve çalışabilirliği diğer işlemci mimarilerine göre kıyaslanmıştır. Çalışmanın son kısmında ise geliştirilmiş olan yapay sinir ağı destekli nesne tanımaya dayalı görüntü işleme uygulaması, Xilinx Zynq UltraScale+ MPSoC ZCU102 geliştirme kartında, RISC-V mimarisinin donanım hızlandırıcı sürücüsü olarak kullanılmasıyla test edilmiştir. Bu yapıda Xilinx Zynq mimarisinde bulunan çevresel birimlerden faydalanılmış ve RISC-V mimarisi kullanılarak yeni bir hızlandırıcı method önerilmiştir. Bilinen diğer yapay sinir ağı destekli nesne tanımaya dayalı görüntü işleme algoritmalarıyla olan performans sonuçları incelenmiştir. Sonuç olarak, bu tez kapsamında RISC-V mimarisinin; gömülü sistemler üzerine özelleştirilerek geliştirildiği takdirde; yapay sinir ağı uygulamalarını, görüntü işleme uygulamalarını çalıştırabildiği ve diğer Nesnelerin İnterneti cihazlarının sağladığı performans açısından kritik alanlarda kullanılabilirliğini kanıtladığı gösterilmiştir.