文献

J-GLOBAL ID：201802245172747865   整理番号：18A0521808

CANNA:GPGPU上で構成可能な近似を用いたニューラルネットワーク加速【Powered by NICT】

CANNA: Neural network acceleration using configurable approximation on GPGPU

著者 (5件)： Imani Mohsen (CSE Department, UC San Diego, La Jolla, CA 92093, USA) ,  Masich Max (CSE Department, UC San Diego, La Jolla, CA 92093, USA) ,  Peroni Daniel (CSE Department, UC San Diego, La Jolla, CA 92093, USA) ,  Wang Pushen (CSE Department, UC San Diego, La Jolla, CA 92093, USA) ,  Rosing Tajana (CSE Department, UC San Diego, La Jolla, CA 92093, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ASP-DAC  ページ： 682-689  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： ニューラルネットワークは,多くの用途に使用することに成功した。その計算複雑さのために,組込み機器にそれらを実装することは困難である。ニューラルネットワークは本質的に近似し,簡略化することができる。本論文では,Cannaはニューラルネットワークの内部誤差に依存してハードウェア近似のレベルを設定する代わりに,均一なハードウェア近似を適用した適応的に緩やかな訓練近似を提案した。推論を加速するために,Cannaの層に基づく近似法は,ニューラルネットワークの各層の計算,関数として近似への感受性を緩和した。ハードウェア支援のために,正確なモードの代わりに最大近似誤差とプロセスを産生する入力を同定する動的ハードウェアにおける構成可能な浮動小数点ユニットを使用した。AMDの南部島GPUアーキテクチャに構成可能なFPUを統合することにより,この設計の精度と効率を評価した。実験評価はベースラインGPU上での実装と比較して,0%(2%)品質損失をもつ四種類の神経回路網の応用を訓練された場合,Cannaは4.84×(7.13×)エネルギー節約と3.22×(4.64×)までの高速化を達成することを示した。推論相中に0%(2%)品質損失を保証しながら,著者らの層に基づくアプローチは4.42×(6.06×)によるエネルギー効率を改善し,2.96×(3.98×)高速化をもたらした。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： 省エネルギー ,  *ニューラルネットワーク ,  神経回路網 ,  感受性 ,  計算機アーキテクチャ ,  ハードウェア ,  計算量 ,  *近似法 ,  基準線 ,  エネルギー効率 ,  高速化 ,  簡素化 ,  品質
準シソーラス用語： 組込み機器 ,  *GPGPU , 【Automatic Indexing@JST】

分類 (4件)： 演算方式  (JC02020Z) ,  集積回路一般  (NC03161C) ,  論理回路  (NC05070B) ,  Josephson接合・素子  (BM04043E)

タイトルに関連する用語 (5件)： Canna ,  GPGPU ,  近似 ,  ニューラルネットワーク ,  加速