文献
J-GLOBAL ID:202002242819936737   整理番号:20A0954600

7nm 5G スマートフォンSoCにおける汎用AI応用のための7.1A3.4~13.3TOPS/W3.6TOPSデュアルコア深学習加速器【JST・京大機械翻訳】

7.1 A 3.4-to-13.3TOPS/W 3.6TOPS Dual-Core Deep-Learning Accelerator for Versatile AI Applications in 7nm 5G Smartphone SoC
著者 (16件):
資料名:
巻: 2020  号: ISSCC  ページ: 134-136  発行年: 2020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:
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。
深い学習(DL)における最近の進歩は,5Gスマートフォンにおける画像認識[1],画像ノイズ除去および音声認識のようなAI応用の広い採用をもたらした。満足なユーザ経験のために,スマートフォンアプリケーションのリアルタイム応答に厳しい要求がある。DLに対する性能期待を満たすために,多数の深い学習加速器(DLA)を,エッジ素子[2]-[5]上のDL推論のために提案した。図7.1.1で表現されるように,スマートフォンのためのDLAの設計における主要な課題は,必要な計算効率を達成し,一方,電力予算とメモリ帯域幅(BW)によって制限される。スマートフォンシステムオンチップ(SoC)の全体電力消費は通常2~3Wに制約され,利用可能なDRAM BWは約10~30Gb/sであり,DLAに割り当てられた電力予算は1W以下で,メモリBWは1~10Gb/sに制限される。このような制約下で動作する一方で,DLAはスマートフォンアプリケーションにおける様々なネットワークトポロジーと高精度なニューラル操作をサポートするために必要である。例えば,AndroidニューラルネットワークAPIsは,現在,非対称量子化(ASYMM-Q)の使用を特定し,従来の対称量子化よりも良好な精度を提供する。Copyright 2020 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:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
図形・画像処理一般 

前のページに戻る