文献

J-GLOBAL ID：201802286926377301   整理番号：18A0845746

ニューラルネットワーク訓練におけるメモリフットプリント低減のための対数圧縮【JST・京大機械翻訳】

Logarithmic Compression for Memory Footprint Reduction in Neural Network Training

著者 (9件)： Hirose Kazutoshi ,  Uematsu Ryota ,  Ando Kota ,  Orimo Kentaro ,  Ueyoshi Kodai ,  Ikebe Masayuki ,  Asai Tetsuya ,  Takamaeda-Yamazaki Shinya ,  Motomura Masato
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CANDAR  ページ： 291-297  発行年： 2017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： 深いニューラルネットワークは,その訓練段階の間に大きなメモリ空間を占める。将来のIoTデバイスにおける計算環境が制限されているので,より小さなエネルギーとメモリフットプリントによるより多くのハードウェア認識アプローチを考慮しなければならない。本論文では,訓練段階における一時的データの表現形式を最適化することにより,メモリ利用を低減するためのニューラルネットワークの新しい訓練法を提案した。訓練における勾配値の大部分は,ほぼゼロである可能性がある。この手法は,ビット幅を低減するために対数的に数値を表現する対数量子化を用いる。提案した方法をメモリフットプリントと予測精度の点で評価した。結果は,提案方法が予測精度のわずかな劣化によって,効果的に約60%までメモリフットプリントを減らすことを示した。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： 最適化 ,  ハードウェア ,  表現型 ,  *ニューラルネットワーク ,  *記憶装置 ,  *対数
準シソーラス用語： 予測精度 ,  モノのインターネット , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： ニューラルネットワーク ,  訓練 ,  フットプリント ,  対数