文献

J-GLOBAL ID：201602216496461452   整理番号：16A1388251

深層学習を用いたコード選択機構【Powered by NICT】

A Code Selection Mechanism Using Deep Learning

著者 (4件)： Cui Hang ,  Hirasawa Shoichi ,  Takizawa Hiroyuki ,  Kobayashi Hiroaki
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： MCSoC  ページ： 385-392  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： スパース行列-ベクトル乗算(SpMV)は多くの用途で広く使用されている計算カーネルである。SpMVのための異なるプロセッサとアルゴリズムを用いて多くの異なる実装した。異なるSpMV実装の性能は非常に異なっており,それは与えられたスパース行列のための最良の性能と性能プロファイリングなしに与えられたプラットフォームをさっと動かさせることの実現を選択することは困難である基本的である。本研究では,与えられた行列に最も適したSpMVコード選択のための効果的な機械学習システムのプロトタイプ実装を提示した。性能予測のためのマトリックスの予め定義された特徴を用いる代わりに,特徴画像と深層学習ネットワークを用いて,各スパース行列をマッピング実行の前に最良の性能を持つことを実現した。機構による性能利得が最良のSpMV実装を予測するための機械学習法を用いて評価した。評価によれば,提案した機構は多くの場合にも,最適あるいは準最適実現を選択できる,予測は完全ではなかった。これらの結果は,ここで提案した機械学習アプローチはSpMVコード選択のための有用な入力スパース行列の基本的な特徴を捉えることができる可能性を実証した。Copyright 2016 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： ネットワーク ,  演算プロセッサ ,  プロトタイプ ,  *スパース行列 ,  利得 ,  アルゴリズム ,  ベクトル ,  画像 ,  乗算 ,  機械学習
準シソーラス用語： 性能予測 ,  プロファイリング ,  *深層学習 , 【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 (1件)： 深層学習