文献

J-GLOBAL ID：201902236898305280   整理番号：19A0219022

ユニット内フィードバックによるリニアアレイの多重ループ対応手法

著者 (3件)： 岩本淳 (奈良先端科学技術大学院大) ,  菊谷雄真 (奈良先端科学技術大学院大) ,  中島康彦 (奈良先端科学技術大学院大)
資料名： 情報処理学会研究報告(Web)  (IPSJ Technical Report (Web))
巻： 2018  号： ARC-233  ページ： Vol.2018-ARC-233,No.10,1-6 (WEB ONLY)  発行年： 2018年11月28日 
JST資料番号： U0451A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 近年,計算機の演算性能向上によりDeep Learning等機械学習アルゴリズムの性能が大きく向上している。実社会での活用のため,組み込み機器における機械学習アルゴリズム実装の需要はますます高まっている。しかし,機械学習アルゴリズムで広く利用されているGPGPUでは組み込み機器における制約を満たすことが困難である。我々は,プログラミング容易性を確保しつつ,電力効率と面積効率に長けた演算器とローカルメモリを備えるユニットを一次元に配置したリニアアレイIMAXを提案してきた。しかし,多重ループ実行時の起動オーバヘッドが課題であった。起動オーバヘッド削減のためには多重ループの一括実行と途中結果の更新が必要である。本稿では,IMAXの演算ユニット内にフィードバックパスを設け,多重ループ制御とローカルメモリのRead-Modify-Writeを可能とする改善を行い,FPGA SoCと大規模FPGAを用いたARMv8+IMAXプロトタイプを用いて評価を行った。その結果,プロトタイプシステム上の改良版IMAXで,従来版IMAXに比べて,行列積で4.28倍,畳み込み演算では5.38倍の実行性能を有することが明らかとなった。(著者抄録)

シソーラス用語： 配列 ,  *シストリックアレイ ,  *FPGA ,  *システムアーキテクチャ ,  再構成 ,  粒度【計算機】 ,  機械学習 ,  演算器 ,  記憶装置 ,  多重処理 ,  ループ ,  超LSI ,  プロトタイプ ,  *多重処理制御 ,  性能評価
準シソーラス用語： *CGRA ,  SOC【IC】 ,  ディープラーニング ,  ニアメモリ ,  *リニアアレイ ,  ローカルメモリ ,  *多重ループ

分類 (2件)： 制御方式  (JC02030K) ,  専用演算制御装置  (JC04030Y)

引用文献 (8件)：

• Alex Krizhevsky, Ilya Sutskever, and Geoffrey E. Hinton. ′′ImageNet Classification with Deep Convolutional Neural Networks′′. Commun. ACM, Vol. 60, No. 6, pp. 84-90, May 2017.
• W. Lu, G. Yan, J. Li, S. Gong, Y. Han, and X. Li. ′′FlexFlow: A Flexible Dataflow Accelerator Architecture for Convolutional Neural Networks′′. In 2017 IEEE International Symposium on High Performance Computer Architecture (HPCA), pp. 553-564, Feb 2017.
• Kalin Ovtcharov, Olatunji Ruwase, Joo-Young Kim, Jeremy Fowers, Karin Strauss, and Eric Chung. Toward Accelerating Deep Learning at Scale Using Specialized Hardware in the Datacenter. In . IEEE, August 2015.
• Norman P. Jouppi and et al. Young. ′′In-Datacenter Performance Analysis of a Tensor Processing Unit′′. In Proceedings of the 44th Annual International Symposium on Computer Architecture, ISCA ’17, pp. 1-12, New York, NY, USA, 2017. ACM.
• 一倉孝宏, 山野龍佑, 福岡久和, 中島康彦. ′′DCNNに最適な CGRA の探索と予備評価′′. IEICE technical report : 信学技報, 第116巻, pp. 49-54. 電子情報通信学会, jan 2017.

タイトルに関連する用語 (5件)： フィードバック ,  リニアアレイ ,  多重 ,  ループ ,  手法