RNNAccel:エッジインテリジェンスのための融合リカレントニューラルネットワークアクセラレータ【JST・京大機械翻訳】

Kao Chao-Yang; Kuo Huang-Chih; Chen Jian-Wen; Lin Chiung-Liang; Chen Pin-Han; Lin Youn-Long

プレプリント

J-GLOBAL ID：202202204450462127 整理番号：22P0203909

RNNAccel:エッジインテリジェンスのための融合リカレントニューラルネットワークアクセラレータ【JST・京大機械翻訳】

RNNAccel: A Fusion Recurrent Neural Network Accelerator for Edge Intelligence

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2020年10月25日プレプリントサーバーでの情報更新日： 2020年10月25日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

多くのエッジデバイスは,それらの製品知能を強化するために,リカレントニューラルネットワーク(RNN)を採用する。しかし,計算複雑度の増加は,性能,エネルギー効率および製品開発時間に対する課題を提起する。本論文では,RNNAccelと呼ぶRNN深層学習加速器を提示し,それは,長い短温度メモリ(LSTM)ネットワーク,ゲートリカレントユニット(GRU)ネットワーク,および完全接続層(FC)/多重パーセプトロン層(MLP)ネットワークをサポートする。このRNNアクセラレータは,(1)RNNデータ依存性によるユニット利用ボトルネックの計算,(2)特定のアプリケーションのための柔軟な設計,(3)メモリアクセスによって支配されたエネルギー消費,(3)係数圧縮による精度損失,および(5)プロセッサ加速器統合から生じる予測不能な性能である。提案したRNN加速器は構成可能な32-MACアレイと係数減圧エンジンから成る。MACアレイはスループット要求と電力予算を満たすようにスケールアップできる。その洗練されたオフライン圧縮と単純なハードウェアに優しいオンライン減圧は,NeuCompressionと呼ばれ,メモリフットプリントを16xまで減らし,メモリアクセス電力を低減する。さらに,簡単なSOC統合のために,ビット精度シミュレーションと統合結果検証のためのツールセットを開発した。キーワードスポッティングアプリケーションを用いて評価して,32MAC RNN加速器は,90%MAC利用,1.27TOP/W,40nmプロセス,8x圧縮比,および90%推論精度を達成した。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

パターン認識 , 人工知能

, ,

前のページに戻る