文献

J-GLOBAL ID：201802242514780549   整理番号：18A1905707

畳み込みニューラルネットワークに適用した制約付きプロセッサデータパスの量子化【JST・京大機械翻訳】

Quantization of Constrained Processor Data Paths Applied to Convolutional Neural Networks

著者 (3件)： de Bruin Barry ,  Zivkovic Zoran ,  Corporaal Henk
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： DSD  ページ： 357-364  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： 人工ニューラルネットワーク(NN)は,多くの分類と回帰問題を解決するために効果的に使用することができて,自然言語処理(NLP)とコンピュータビジョン(CV)の応用領域において最先端の性能を提供した。しかしながら,これらのネットワークの膨大な量のデータ移動と過度の畳込み作業負荷は,大規模なモバイルと埋め込み生産を妨げる。従って,これらのモデルは一般的に浮動小数点支持なしでエネルギー効率の良い加速器にマッピングされる。重みとデータ量子化は,高精度モデルを効率的な整数ベースのプラットフォームに展開する有効な方法である。本論文では,広い蓄積レジスタのないプラットフォームの量子化法を提案した。与えられたアキュムレータサイズに対する重みと入力データのビット幅を最大化する2つの制約を導入した。これらの制約は個々の層の重みとデータ分布に関する知識を利用する。これらの制約を用いて,良好な不動点ネットワーク近似を見出すための層毎量子化発見を提案した。考慮すべき構成の数を減らすために,利用可能なアキュムレータビットを完全に利用する解のみを試験した。16ビット蓄積器は,CIFAR-10とILSVRC2012画像分類ベンチマーク上の浮動小数点ベースラインの1%以内でトップ-1分類精度を得ることができることを実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 近似法 ,  *演算プロセッサ ,  *ネットワーク ,  不動点 ,  畳込み ,  ベンチマーク ,  携帯電話 ,  *ニューラルネットワーク ,  レジスタ ,  コンピュータビジョン ,  *量子化 ,  エネルギー効率
準シソーラス用語： 分類精度 ,  画像分類 ,  高精度 , 【Automatic Indexing@JST】

分類 (3件)： 専用演算制御装置  (JC04030Y) ,  音声処理  (JE05000E) ,  符号理論  (ND02030R)

タイトルに関連する用語 (5件)： 畳み込みニューラルネットワーク ,  制約 ,  プロセッサ ,  データパス ,  量子化