招待:深い学習訓練のための加速器設計【Powered by NICT】

Agrawal Ankur; Chia-Yu Chen; Jungwook Choi; Gopalakrishnan Kailash; Jinwook Oh; Shukla Sunil; Srinivasan Viji; Venkataramani Swagath; Zhang Wei

文献

J-GLOBAL ID：201702232774132065 整理番号：17A1635273

招待:深い学習訓練のための加速器設計【Powered by NICT】

Invited: Accelerator design for deep learning training

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=17A1635273&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=17A1635273&from=J-GLOBAL&jstjournalNo=W2441A") }}

著者 (9件)： , , , , , , , ,
資料名：
巻： 2017 号： DAC ページ： 1-2 発行年： 2017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)

ディープニューラルネットワーク(DNN)は挑戦的な人工知能(AI)問題に成功を示す技術の強力で多様なセットとして出現した。画像/ビデオ処理,自律車,自然言語処理,音声合成と認識,ゲノミクスおよび多くの他のそのようなドメインへの応用は,基礎として深層学習を採用している。DNNはデータ蓄積のMB,計算のexaopsとデータ移動のための高帯域幅の100Sを必要とする非常に大きなモデルを用いた高い計算の複雑さによるこれらの応用のために優れた精度を達成した。これらの印象的な進歩にもかかわらず,まだ大規模データセットに関する技術深部ネットワークの状態を訓練するために数日から数週間を-これは革新と採用のペースを制限した。本論文では,DNN訓練のためのスループットとエネルギー効率目標の両方を満たす上で課題に対処するために多方面からのアプローチを提案した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

パターン認識

, , ,

前のページに戻る