文献

J-GLOBAL ID：201802236226088010   整理番号：18A0589729

UNPU1Bの16B完全可変量ビット精度で50.6TOPS/W統一深部ニューラルネットワーク加速器【Powered by NICT】

UNPU: A 50.6TOPS/W unified deep neural network accelerator with 1b-to-16b fully-variable weight bit-precision

著者 (6件)： Lee Jinmook (KAIST, Daejeon, Korea) ,  Kim Changhyeon (KAIST, Daejeon, Korea) ,  Kang Sanghoon (KAIST, Daejeon, Korea) ,  Shin Dongjoo (KAIST, Daejeon, Korea) ,  Kim Sangyeob (KAIST, Daejeon, Korea) ,  Yoo Hoi-Jun (KAIST, Daejeon, Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ISSCC  ページ： 218-220  発行年： 2018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： ディープニューラルネットワーク(DNN)加速器[1 3]は,モバイルまたは埋込環境[3]における感情認識への顔認識からの深い学習アルゴリズムを加速するために提案されている。しかし,多くの研究は,畳込み層(CL)または完全結合層(FCLs)のみを加速し,異なるDNN,再発層(RL)を含むような(感情認識のための有用な)はハードウェアで担持されていない。計算主要なCLを別々に最適化する,守りRLまたはFCL,CNN RNN加速器[1]は,全体的な性能を向上させることが報告されているが,CLとRLの処理要素(PE)数はそれらの面積により制限され,その結果,性能はCLのみを必要とするシナリオにおいて準最適またはRL。RLのためのPEはCLまたはその逆PEに再構成できるが,部分再構成した限界性能改善をもたらすことが可能である。さらに以前の研究[1 2]は重量ビット精度の限られたセット,4Bまたは8bまたは16bのどちらかとしてを支持した。しかし,より低い重量ビット精度はより良いスループットとより高いエネルギー効率を達成でき,最適ビット精度は異なる精度/性能要求に応じて変えることができる。完全可変重量ビット精度で統一DNN加速器は,モバイル環境内のDNNのエネルギー最適運転のために必要である。Copyright 2018 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： スループット ,  学習アルゴリズム ,  最適化 ,  エネルギー効率 ,  畳込み ,  再構成 ,  *加速器 ,  再発 ,  携帯電話 ,  ハードウェア ,  モバイル環境 ,  *ディープニューラルネットワーク ,  改変
準シソーラス用語： 最適運転 ,  部分再構成 ,  感情認識 , 【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 (4件)： 変量 ,  ビット ,  深部ニューラルネットワーク ,  加速器