Informations générales
Entité de rattachement
Le Commissariat à l'énergie atomique et aux énergies alternatives (CEA) est un organisme public de recherche.
Acteur majeur de la recherche, du développement et de l'innovation, le CEA intervient dans le cadre de ses quatre missions :
. la défense et la sécurité
. l'énergie nucléaire (fission et fusion)
. la recherche technologique pour l'industrie
. la recherche fondamentale (sciences de la matière et sciences de la vie).
Avec ses 16000 salariés -techniciens, ingénieurs, chercheurs, et personnel en soutien à la recherche- le CEA participe à de nombreux projets de collaboration aux côtés de ses partenaires académiques et industriels.
Référence
2022-25041
Description de l'unité
Le Laboratoire Intelligence Intégrée Multi-capteurs (LIIM) a pour mission d'étudier et de développer des algorithmes embarqués d'intelligence artificielle, de fusion de données et de perception de l'environnement pour des systèmes cyber-physiques multi-capteurs, de concevoir et d'implémenter des plateformes de démonstration logicielles et matérielles mettant en œuvre ces algorithmes avec l'introduction de technologies innovantes, notamment pour la réalisation de circuits intégrés spécifiques.
Description du poste
Domaine
Mathématiques, information scientifique, logiciel
Contrat
Stage
Intitulé de l'offre
Implémentation embarquée et optimisée d'algorithmes d'apprentissage incrémental H/F
Sujet de stage
L'équipe du laboratoire LIIM (Laboratoire Intelligence Intégrée Multi-capteurs) du CEA-LIST développe depuis plusieurs années des algorithmes d'apprentissage incrémental qui permettent à un système (ex : capteur intelligent) d'apprendre de nouvelles tâches en continu sans oublier les tâches précédemment apprises.
La tendance actuelle étant d'intégrer l'intelligence artificielle au plus près des capteurs (edge AI), le laboratoire souhaite aujourd'hui embarquer ces algorithmes sur des plateformes aux capacités de mémoire et de calcul limitées comparées à des serveurs de calculs équipés de puissants GPUs, ce qui nécessite en particulier d'embarquer la capacité de réentrainement des réseaux de neurones.
Durée du contrat (en mois)
4 à 6
Description de l'offre
Le laboratoire dispose d’une version embarquée d’un algorithme d’apprentissage incrémental pour la reconnaissance faciale des émotions s’exécutant sur GPU (en flottants 16 bits / FP16) et qui servira de point de départ pour le stage.
L’objectif du stage consiste à proposer et mettre en œuvre une méthode de quantification des réseaux de neurones profonds afin de disposer d’une première implémentation embarquée (sur une plateforme matérielle type NVIDIA Jetson Nano) et optimisée (en entiers 8 bits / INT8) de l’algorithme d’apprentissage incrémental. Cette implémentation en Python / C++ pourra s’appuyer sur des chaines d’outils pour les réseaux de neurones qui intègrent le support à la quantification tels que TensorFlow / TensorFlow Lite ou N2D2 (Neural Network Design and Deployment, développé par le CEA-LIST) qui permet de générer une implémentation optimisée en C++ satisfaisant les contraintes de l’embarqué.
Le travail de stage s’organisera selon les étapes suivantes :
- Revue de l’état de l’art sur les algorithmes d’apprentissage incrémental, la quantification des réseaux de neurones et les méthodes d’apprentissage pour les réseaux quantifiés.
- Familiarisation avec la plateforme matérielle et les outils logiciels pour la quantification des réseaux.
- Développement (programmation, débogage) d’une version quantifiée de l’algorithme d’apprentissage incrémental sur la plateforme matérielle :
- Implémentation de la quantification pour l’inférence,
- Implémentation du réentrainement du réseau de neurones.
- Optimisation des performances (précision, vitesse d’exécution, empreinte mémoire, …).
- Rédaction du rapport de stage et présentation des travaux.
#StageList
Profil du candidat
Ce sujet de stage est proposé à des étudiant(e)s en fin d’étude d’ingénieur ou de master 2.
Le/la candidat(e) a reçu une formation en Machine Learning / Deep Learning ou en informatique embarquée. L’outil TensorFlow lui est familier. Il/elle sait programmer en C/C++ et en Python. Une expérience en programmation sur des cartes de développement (ex : Raspberry Pi ou cartes disposant de GPUs) est un plus.
Localisation du poste
Site
Grenoble
Localisation du poste
France, Auvergne-Rhône-Alpes, Isère (38)
Ville
Grenoble
Critères candidat
Diplôme préparé
Bac+5 - Diplôme École d'ingénieurs
Formation recommandée
Machine Learning / Deep Learning ou Informatique embarquée
Demandeur
Disponibilité du poste
01/03/2023
Je me crée un espace candidat
