抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
再帰ニューラルネットワーク(RNN)に次ぐ畳込みニューラルネットワーク(CNN)は,特に画像処理に関して,産業におけるそれらの最近の成功により,Deepニューラルネットワーク(DNNs)の最も重要なサブグループである。フィールドプログラマブルゲートアレイ(FPGA)と応用スペクトル統合回路(ASIC)のようなハードウェアプラットフォームは,DNN実装のためのGraphical Processing Units(GPU)に対する実行可能な代替案となり,特に厳しい電力と性能制約を持つアプリケーションに従う。さらに,動的部分再構成をサポートするFPGAは,フィールド多重時間で再構成できる。本論文において,著者らは,実行時間の間にそれらを再構成するツールフロー設計層特異的ハードウェアブロックを提示した。推論経路の再構成部分の間,ソフトウェアで実行される。Caffeフレームワークの助けを借りてCNNの訓練を開始して,著者らはパラメータパーサを提供した。さらに,C++における層再実装テンプレートは,層固有特性による高レベル合成の助けを借りて,ソフトウェアとハードウェアにおける容易な設計層を助ける。さらに,Deep Landmark検出アプリケーションにおけるハードウェア/ソフトウェアの共設計手法とハードウェア再構成の可能性を実証した。全体のプロジェクトはGitHubで利用可能である。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】