文献

J-GLOBAL ID：202002253954235601   整理番号：20A2624574

FPGA上のOpenCLベースSpMV実装のための利用とスループットを推定するための機械学習の利用【JST・京大機械翻訳】

Using Machine Learning to Estimate Utilization and Throughput for OpenCL-Based SpMV Implementation on an FPGA

著者 (4件)： Naher Jannatun (North Carolina A & T State University,Electrical and Computer Engineering Department,Greensboro,NC,USA) ,  Gloster Clay (North Carolina A & T State University,Computer Systems Technology Department,Greensboro,NC,USA) ,  Jadhav Shrikant S. (North Carolina A & T State University,Computer Systems Technology Department,Greensboro,NC,USA) ,  Doss Christopher C. (North Carolina A & T State University,Electrical and Computer Engineering Department,Greensboro,NC,USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： SoutheastCon  ページ： 1-8  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： ハードウェア設計者は,設計時間と設計複雑性を減らすために,ハイレベル合成(HLS)ツールを使用する。OpenCLは,HLSツールを使用するフレームワークであり,ハードウェアアクセラレータと同様に,ホストのための標準化されたC様コードを書き込むためのプログラマを可能にする。OpenCLを用いて,異なるメモリアクセスとデータ分割戦略を用いてプログラムを書き込むことができる。プログラムは設計を最適化するために様々な設計を試みる必要がある。しかし,各設計は,複数時間を要する。ハードウェアアーキテクチャの特徴は,実際の合成を行うことなく機械学習技術を用いて推定できる。スパース行列-ベクトル乗算(SpMV)は,線形代数および多くの応用に対して広く用いられている。SpMVカーネルはOpenCLを用いて多数の方法で設計できる。SpMV実装のために,記憶フォーマットは不可欠な因子である。異なるメモリアクセスパターン,ストレージ要求,および負荷分散はハードウェアアーキテクチャに影響を与える。ここでは,2つの事項を提案した。最初に,SpMVカーネルを実装するために,スパース行列を保存するためにハイブリッドアプローチを利用した。第2に,実際の合成を行うことなくOpenCLにおける機械学習技術を用いて,設計設定の任意のセットに対するハードウェアアーキテクチャを推定する。著者らの実装から,ELLストレージフォーマットと比較して,提案したストレージフォーマット(ELLとCSRの組合せ)は,LUT,DSP,およびRAMブロックのためのより少ない量の資源を採り,一方,より高いスループットを提供する。ランダムフォレスト機械学習アルゴリズムは,ELLの論理利用と性能,および非常に合理的な精度範囲内で提案した記憶フォーマットを推定する。65設計のためのハイブリッドフォーマット(ELL+CSR)を用いて,平均誤差は,LUTs,DSPs,メモリビット,RAMブロックおよびスループット(GFLOPs)に対して,それぞれ11.43%,19.03%,9.09%,5.3%および9.73%であった。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： 記憶装置 ,  最適化 ,  ベクトル ,  標準化 ,  プログラマ ,  乗算 ,  *スループット ,  ハードウェア設計 ,  計算機アーキテクチャ ,  *FPGA ,  *機械学習 ,  学習アルゴリズム ,  スパース行列
準シソーラス用語： メモリアクセス ,  ランダムフォレスト , 【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 (6件)： FPGA ,  OpenCL ,  実装 ,  スループット ,  推定 ,  機械学習