AdaPT:PyTorchにおける近似DNN加速器の高速エミュレーション【JST・京大機械翻訳】

Danopoulos Dimitrios; Zervakis Georgios; Siozios Kostas; Soudris Dimitrios; Henkel Jorg

プレプリント

J-GLOBAL ID：202202208924466043 整理番号：22P0300721

AdaPT:PyTorchにおける近似DNN加速器の高速エミュレーション【JST・京大機械翻訳】

AdaPT: Fast Emulation of Approximate DNN Accelerators in PyTorch

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 (5件)： , , , ,
資料名：
発行年： 2022年03月08日プレプリントサーバーでの情報更新日： 2022年10月11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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

最新の最先端は,DNN加速器の非常に増加した電力要求に対処するために,近似乗算器を採用した。しかしながら,近似DNNの精度を評価することは,DNNフレームワークにおける近似演算のための適切なサポートの欠如のため,厄介である。この非効率性を,近似的推論と近似認識再訓練をサポートするために,PyTorchを拡張する高速エミュレーションフレームワークであるAdaPTを示すことにより,この非効率性に取り組んだ。AdaPTはシームレスに展開でき,ほとんどのDNNと互換性がある。筆者らは,異なるビット幅値を持つ多数の近似乗算器に対して,CNN,LSTM,およびGANを含むいくつかのDNNモデルとアプリケーションフィールドに関するフレームワークを評価した。結果は,近似再訓練からかなりの誤差回復を示し,ベースライン近似実装に関して53.9xまでの推論時間を減らした。【JST・京大機械翻訳】

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

パターン認識 , 集積回路一般 , 人工知能 , 数値計算

, ,

前のページに戻る