文献

J-GLOBAL ID：201802272236786458   整理番号：18A2040574

半精密浮動小数点フォーマットに優れた検証精度とエネルギー効率を実現するための9ビット専用ハードウェアによる画像分類器深部畳込みニューラルネットワーク訓練【JST・京大機械翻訳】

Image-Classifier Deep Convolutional Neural Network Training by 9-bit Dedicated Hardware to Realize Validation Accuracy and Energy Efficiency Superior to the Half Precision Floating Point Format

著者 (7件)： O’uchi Shin-ichi (National Institute of Advanced Industrial Science and Technology (AIST) Tsukuba, Japan) ,  Fuketa Hiroshi (National Institute of Advanced Industrial Science and Technology (AIST) Tsukuba, Japan) ,  Ikegami Tsutomu (National Institute of Advanced Industrial Science and Technology (AIST) Tsukuba, Japan) ,  Nogami Wakana (National Institute of Advanced Industrial Science and Technology (AIST) Tsukuba, Japan) ,  Matsukawa Takashi (National Institute of Advanced Industrial Science and Technology (AIST) Tsukuba, Japan) ,  Kudoh Tomohiro (National Institute of Advanced Industrial Science and Technology (AIST) Tsukuba, Japan) ,  Takano Ryousei (National Institute of Advanced Industrial Science and Technology (AIST) Tsukuba, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ISCAS  ページ： 1-5  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： 筆者らは,画像分類器深部畳込みニューラルネットワークを訓練するための9ビット浮動小数点フォーマットを提案した。提案した浮動小数点フォーマットには,5ビットの指数,隠れた最も有意なビット(MSB)を持つ3ビットのmantissa,および符号ビットがある。9ビット浮動小数点フォーマットは,多重集積(MAC)ユニットにおける乗算器のトランジスタ数だけでなく,前方および後方伝搬に対するデータトラフィックと重み更新を低減する。両方の低減は電力効率の良い訓練を実現する。検証精度を維持するために,アキュムレータを内部長ビット長浮動小数点フォーマットで実装し,一方,乗算器は9ビットフォーマットを受け入れた。著者らは,AlexNetの訓練におけるこのフォーマットと,ILSVRC2012データセットによるResNet-50を調べた。訓練した9ビットAlexNetとResNet-50は,16ビット浮動小数点フォーマット訓練よりもそれぞれ1.2%と0.5%優れた検証精度を示した。9ビットMACユニットにおけるトランジスタ数は32ビットカウンターパートと比較して84%低減されると推定される。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】

シソーラス用語： トランジスタ ,  乗算器 ,  *深部 ,  多重化 ,  電力効率 ,  計数器 ,  エネルギー効率 ,  *畳込みニューラルネットワーク ,  *専用ハードウェア
準シソーラス用語： *画像分類 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (10件)： 精密 ,  浮動小数点 ,  フォーマット ,  検証 ,  エネルギー効率 ,  専用ハードウェア ,  画像分類 ,  深部 ,  畳込みニューラルネットワーク ,  訓練