文献

J-GLOBAL ID：202202212784285830   整理番号：22A0696313

FPGA上のコラム-ワイズ行列対数ベクトル乗算によるリカレントニューラルネットワーク【JST・京大機械翻訳】

Recurrent Neural Networks With Column-Wise Matrix-Vector Multiplication on FPGAs

著者 (10件)： Que Zhiqiang (Imperial College London, London, U.K.) ,  Nakahara Hiroki (Tokyo Institute of Technology, Tokyo, Japan) ,  Nurvitadhi Eriko (Intel PSG, Hillsboro, OR, USA) ,  Boutros Andrew (Intel PSG, Hillsboro, OR, USA) ,  Fan Hongxiang (Imperial College London, London, U.K.) ,  Zeng Chenglong (Corerain, Shenzhen, China) ,  Meng Jiuxi (Imperial College London, London, U.K.) ,  Tsoi Kuen Hung (Corerain, Shenzhen, China) ,  Niu Xinyu (Corerain, Shenzhen, China) ,  Luk Wayne (Imperial College London, London, U.K.)
資料名： IEEE Transactions on Very Large Scale Integration (VLSI) Systems  (IEEE Transactions on Very Large Scale Integration (VLSI) Systems)
巻： 30  号： 2  ページ： 227-237  発行年： 2022年 
JST資料番号： W0516A  ISSN： 1063-8210  CODEN： ITCOB4  資料種別： 逐次刊行物 (A)
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： 本論文は,微細粒cOlumn-Wise行列四角形ベクトルマルチプリシオN(RENOWN)を有するRE電流ニューラルネットワークのための再構成可能加速器を提示した。最先端の列ワイズ操作の代わりに,カラムワイズ行列VoIPベクトル乗算(MVM)を用いて,再帰ニューラルネットワーク(RNN)加速のための新しい待ち時間隠蔽アーキテクチャを提案した。このハードウェア(HW)アーキテクチャは,RNN推論システムのスループットを改善するために,データ依存性を除去することができる。さらに,要素ベース並列性(EP)とベクトルベース並列性(VP)の多様な構成を組み入れる一方で,大きな重み行列を可能にする構成可能なチェッカーボードタイリング戦略を導入した。これらの最適化は,HW利用を増加させ,システムスループットを高めるために並列性の利用を改善する。評価結果は,この設計が,フィールドプログラマブルゲートアレイ(FPGA)ベースのRNN設計で最も高い29.6テラ演算(TOPS)を達成できることを示した。FPGA上の最先端の加速器と比較して,著者らの設計は,3.7Ω>14.8倍のより良い性能を達成し,最高のHW利用を持っている。Copyright 2022 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： 加速器 ,  *行列 ,  最適化 ,  電流 ,  *ベクトル ,  *ニューラルネットワーク ,  演算 ,  *乗算 ,  ハードウェア ,  スループット ,  待ち時間 ,  *対数 ,  計算機アーキテクチャ ,  *FPGA ,  オクルージョン

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  電力変換器  (NB08030B)

タイトルに関連する用語 (7件)： FPGA ,  コラム ,  行列 ,  対数 ,  ベクトル ,  乗算 ,  リカレントニューラルネットワーク