Đưa mạng nơ-ron lên FPGA — nghe thì quen thuộc, nhưng số người thực sự làm được lại rất ít.
Nếu muốn vượt lên một bước trong các dự án Capstone, cuộc thi kỹ thuật hay đồ án tốt nghiệp, bạn cần có khả năng tự xây dựng và chứng minh cách các phép tính của mô hình thực sự vận hành bên trong con chip, thay vì chỉ dừng lại ở việc huấn luyện mô hình. Khóa học này sẽ giúp bạn bắc qua khoảng cách giữa lý thuyết và phần cứng thực tế.
Từ việc đọc đặc tả, xây dựng mô hình vàng bằng Python, huấn luyện Machine Learning, thiết kế Verilog RTL cho đến kiểm chứng trên FPGA, bạn sẽ tự hoàn thiện từ đầu đến cuối một bộ tăng tốc mạng nơ-ron (NPU) nhận diện các chữ số MNIST viết tay của người thật. Từ lớp Conv được xây dựng bằng bộ đệm dòng và các MAC song song, đi qua ReLU, MaxPool, Flatten, rồi đến lớp kết nối đầy đủ và Argmax — bạn sẽ tích hợp chín khối thành một con chip duy nhất, đồng thời tự mình chứng minh rằng "đáp án Python và đầu ra phần cứng không khác nhau dù chỉ một bit (Bit-True)". Khóa học cũng bao gồm cách vượt qua khoảnh khắc đầy bức bối khi mô phỏng vẫn chạy bình thường nhưng chỉ có kết quả là khác đi một cách tinh vi.
Từng bước, tôi sẽ chỉ ra những bí quyết thực chiến mà các giáo trình deep learning thông thường không đề cập, chẳng hạn như lượng tử hóa số nguyên, chuyển đổi thứ tự trục của mảng và phòng tránh tràn bộ tích lũy. Tôi đã đưa vào khóa học những kinh nghiệm và sai lầm tích lũy được qua thời gian dài thiết kế CPU RISC-V và kiểm chứng FPGA Bit-True, để các bạn không phải lặp lại chúng. Khi kết thúc khóa học, bạn sẽ có trong tay một dự án phần cứng hoàn chỉnh và có thể tự tin nói rằng: "Tôi đã trực tiếp thiết kế và chứng minh nó."