文献

J-GLOBAL ID：201702219381087838   整理番号：17A0689835

動的再構成ハードウェアアーキテクチャを活かしたCNNの実装と評価

著者 (9件)： 植松瞭太 (北大 大学院情報科学研究科) ,  廣瀬一俊 (北大 大学院情報科学研究科) ,  安藤洸太 (北大 大学院情報科学研究科) ,  折茂健太郎 (北大 大学院情報科学研究科) ,  植吉晃大 (北大 大学院情報科学研究科) ,  高前田伸也 (北大 大学院情報科学研究科) ,  池辺将之 (北大 大学院情報科学研究科) ,  浅井哲也 (北大 大学院情報科学研究科) ,  本村真人 (北大 大学院情報科学研究科)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 117  号： 46(RECONF2017 1-21)  ページ： 1-6  発行年： 2017年05月15日 
JST資料番号： S0532B  ISSN： 0913-5685  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： 動的再構成ハードウェアアーキテクチャの一種であるDRPを用いて畳み込みニューラルネットワーク(CNN)のアクセラレーションを試みる。CNNは多数の層構造からなり,その多くは積和演算であるため,GPUやFPGAを用いた並列演算によるCNNの加速化は広く研究されている。しかし,CNNは各層で最適な演算構造が異なるため,従来のアクセラレータの性能を制限する要因となっていた。DRPは随時回路を切り替えることができるので,CNNの各層ごとに最適な構造を取ることで従来より効率良く処理が可能であると考える。本稿では小規模なCNNをDRP評価環境上に実装し,CPU比約22倍の動作速度を達成した。そして,DRPのニューラルネットワーク処理への適性を検証し,また複数考えられる実装方法についての理論解析を行い,動的再構成技術がCNNの持つ特性に対して有利であることを示した。(著者抄録)

シソーラス用語： *システムアーキテクチャ ,  *再構成 ,  *ニューラルネットワーク ,  データ処理システム ,  *高速計算 ,  積算 ,  多層構造 ,  加算 ,  入出力インタフェイス ,  座標 ,  DRAM ,  外部記憶装置 ,  演算器 ,  アルゴリズム ,  リコンフィギャラブルアーキテクチャ ,  畳込みニューラルネットワーク ,  アクセラレータ
準シソーラス用語： 出力座標 ,  理論解析

分類 (2件)： 人工知能  (JE08000Z) ,  ディジタル計算機方式一般  (JC02010O)

引用文献 (8件)：

• A. Krizhevsky, I. Sutskever, and G.E. Hinton, ′′Imagenet classification with deep convolutional neural networks,′′ Ad-vances in Neural Information Processing Systems 25, eds. by F. Pereira, C.J.C. Burges, L. Bottou, and K.Q. Weinberger, pp.1097-1105, Curran Associates, Inc., 2012.
• K. He, X. Zhang, S. Ren, and J. Sun, ′′Deep Residual Learn-ing for Image Recognition,′′ ArXiv e-prints, Dec. 2015.
• C. Zhang, P. Li, G. Sun, Y. Guan, B. Xiao, and J. Cong, ′′Optimizing fpga-based accelerator design for deep convolutional neural networks,′′ Proceedings of the 2015 ACM/SIGDA International Symposium on Field-Programmable Gate Arrays, pp.161-170, FPGA '15, ACM, New York, NY, USA, 2015.
• K. Ueyoshi, K. Ando, K. Orimo, M. Ikebe, T. Asai, and M. Motomura, ′′Exploring optimized accelerator design for bi-narized convolutional neural networks,′′ Proceedings of the 2017 International Joint Conference on Neural Networks,2017. to be published.
• 天野英晴(編),′′Fpgaの原理と構成,′′ 第8章,オーム社,2016.

タイトルに関連する用語 (5件)： 動的再構成 ,  ハードウェアアーキテクチャ ,  CNN ,  実装 ,  評価