文献

J-GLOBAL ID：201702235261361606   整理番号：17A1224596

畳み込みニューラルネットワークAlexNetのためのエネルギー効率の良い粗粒度空間アーキテクチャ

An energy-efficient coarse grained spatial architecture for convolutional neural networks AlexNet

著者 (3件)： Zhao Boya (Harbin Institute of Technology) ,  Wang Mingjiang (Harbin Institute of Technology) ,  Liu Ming (Harbin Institute of Technology)
資料名： IEICE Electronics Express (Web)  (IEICE Electronics Express (Web))
巻： 14  号： 15  ページ： 20170595(J-STAGE)  発行年： 2017年 
JST資料番号： U0039A  ISSN： 1349-2543  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： 日本 (JPN)  言語： 英語 (EN)

抄録/ポイント： 本稿では,高性能で低消費電力の,異なる種類の畳み込み処理を行う粗粒度空間アーキテクチャ(CGSA)を提案した。そのアーキテクチャの16個の粗粒度並列処理ユニットは,画像データ,特徴マップデータおよびフィルタ重みのローカルデータ再利用により,500MHzで動作する最高152GOPSを達成した。それは,AlexNetベンチマークの畳み込み層で99フレーム/秒を達成し,500MHz,1Vで動作し,264mWを消費した。最近のいくつかの畳み込みニューラルネットワーク(CNN)アクセラレータと比較してそのアーキテクチャを評価した。その結果,提案したアーキテクチャは,類似のアーキテクチャの既存の研究とChenが提案した技術よりも,3倍のエネルギー効率と3.5倍の面積効率を達成することを示した。(翻訳著者抄録)

シソーラス用語： *ニューラルネットワーク ,  *エネルギー効率 ,  *固体粒子 ,  *空間 ,  *計算機アーキテクチャ ,  並列処理 ,  効率
準シソーラス用語： *アーキテクチャ ,  *畳込みニューラルネットワーク ,  *粗大粒子 ,  面積効率

著者キーワード (3件)： convolutional neural network ,  accelerator ,  AlexNet

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  演算方式  (JC02020Z)

引用文献 (17件)：

• [1] A. Krizhevsky, et al.: “ImageNet classification with deep convolutional neural networks,” NIPS (2012).
• [2] K. Simonyan and A. Zisserman: “Very deep convolutional networks for large-scale image recognition,” CoRR, vol. abs/1409.1556 (2014).
• [3] C. Szegedy, et al.: “Going deeper with convolutions,” IEEE CVPR (2015) (DOI: 10.1109/CVPR.2015.7298594).
• [4] K. He, et al.: “Deep residual learning for image recognition,” IEEE CVPR (2016) (DOI: 10.1109/CVPR.2016.90).
• [5] R. Girshick, et al.: “Rich feature hierarchies for accurate object detection and semantic segmentation,” IEEE CVPR (2014) (DOI: 10.1109/CVPR.2014.81).

タイトルに関連する用語 (4件)： 畳み込みニューラルネットワーク ,  エネルギー効率 ,  粒度 ,  アーキテクチャ