文献

J-GLOBAL ID：201702279258329781   整理番号：17A0143074

マルチコアニューラルネットワーク加速器上でのタスクマッピングの評価【Powered by NICT】

Evaluation of Task Mapping on Multicore Neural Network Accelerators

著者 (4件)： Shindo Satoshi ,  Ohba Momoka ,  Tsumura Tomoaki ,  Miwa Shinobu
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： CANDAR  ページ： 415-421  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ディープニューラルネットワークは,その高い認識率のために画像分類,音声認識と自然言語処理などの多くの応用に広く使われている。CPUおよびGPUなどの汎用プロセッサは,そのようなニューラルネットワークのためのエネルギー効率的でないので,ニューラルネットワーク(別名ニューラルネットワーク加速器またはQTAIM)のための特定用途向けハードウェアアクセラレータは,エネルギー効率を改善するために提案した。QTAIMのエネルギー効率を増加させるために多くの研究があるが,加速器のタスク割当に焦点を当てた研究はほとんどない。本論文では,性能向上のためのQTAIM内コアへのタスクマッピングの最初の研究を提供する。直感的で良く同調されたタスクマッピングはコア間の通信量が少ない。この仮定を確認するために,NNAにコア間の通信の異なる量を生成する二種類のタスクマッピングを試験した。著者らの実験結果は,コア間の通信の数はNNAの実行サイクルに強く影響する,最も効果的なタスクマッピングニューラルネットワークのサイズに依存して異なることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 演算プロセッサ ,  *ニューラルネットワーク ,  音声認識 ,  エネルギー効率 ,  *加速器 ,  自然言語処理
準シソーラス用語： 通信量 ,  タスク割当 ,  ハードウェアアクセラレータ ,  画像分類 ,  認識率 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 加速器 ,  タスク ,  マッピング ,  評価