这是一个创建于 1817 天前的主题，其中的信息可能已经有所发展或是发生改变。
本人正面临本科毕设选题，目前有以下待选四个题目，我想选一个比较能稳定出结果的，好做一点的题目。还请教懂这方面的 v 友帮选一下题。
数学基础还行，有 python,c++,pfga，java 基础。做过图像语义分割的课设。
谢谢了！
1.面向深度学习网络的 FPGA 加速器研究
本课题主要利用最新的 FPGA 加速器对深度学习领域的主要基础算法进行加速，包括但不局限于卷积计算与梯度下降算法。主要工作内容如下：1. 使用 c/c++实现卷积计算与梯度下降算法等。2. 学习 Xilinx 平台的 HLS，学习 Xilinx U250 数据中心 FPGA 加速器的使用。3. 在实现的深度学习基础算法基础上面，使用 HLS 对其进行加速，并将其写入 FPGA 加速器。4. 将在 FPGA 上面实现的基础算法与其它各个平台上面（ CPU 平台，GPU 平台，众核计算平台）的基础算法进行对比，包括计算时间和功耗
2.基于 Spark 的深度学习分布式训练通信优化研究
3.基于生成对抗网络的文本生成图像算法的研究
任务： 采用生成对抗网络，利用文本生成图像。 目的： 对一张图进行描述，从而通过神经网络将该段描述转换成真实的图片。 要求： 能够生成合理的图像，具有一定泛化能力。
4.轻量化的图像语义分割模型
随着移动互联网、物联网、5G 等技术的到来和普及，在计算力受限的设备上进行高分辨率的语义分割就成为了一个迫切需求。然而，当面对高分辨率的输入时，移动智能端的深度卷积网络内存和速度经受着巨大的挑战。如何在保持精度或者提升精度的前提下尽可能的降低模型的速度和计算量就成为了一个急需解决的问题。 任务：设计一种轻量化的语义分割模型，并完成相关论文的撰写。 目的：设计出的模型在速度，精度和内存方面达到平衡，相对于当前其它语义分割模型来说，有更好的平衡性，以满足在移动端设备上的应用要求。
 |
1
songzhengqian 2019-12-02 13:37:46 +08:00
题目 3 了解较多，这种题目是比较常见的 GAN 应用，属于深度学习范围吧。有 Python 基础的话比较好上手，网上的代码例子也比较多。不过需要考虑的一点是深度学习对于电脑硬件是有要求的，主要是训练模型的时间长短问题。
|
 |
2
mazyi 2019-12-02 16:47:48 +08:00
题目 1 有额外的 fpga 的工作，众所周知 fpga 的资料很少，不建议
|
 |
3
aguesuka 2019-12-02 19:14:40 +08:00 via Android
这种问题问学长啊，每个学校和专业的毕设价值不一样，如果是我的学弟，我建议他随便选，答辩前前一周开始写就行了
|
 |
4
Chry3anthemum 2019-12-02 19:16:10 +08:00
不要做任何与硬件相关的东西。
|
 |
5
Xs0ul 2019-12-02 23:48:51 +08:00
3 应该是最稳的, 有很多现成的
|
 |
6
drawstar 2019-12-03 13:00:19 +08:00
这不应该问指导老师吗
|
Select Language