NullHop:特徴マップのスパース表現に基づく柔軟な畳込み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】

Aimar Alessandro; Mostafa Hesham; Calabrese Enrico; Rios-Navarro Antonio; Tapiador-Morales Ricardo; Lungu Iulia-Alexandra; Milde Moritz B.; Corradi Federico; Linares-Barranco Alejandro; Liu Shih-Chii; Delbruck Tobi

プレプリント

J-GLOBAL ID：202202213382479767 整理番号：22P0040986

NullHop:特徴マップのスパース表現に基づく柔軟な畳込み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】

NullHop: A Flexible Convolutional Neural Network Accelerator Based on Sparse Representations of Feature Maps

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 (11件)： , , , , , , , , , ,
資料名：
発行年： 2017年06月05日プレプリントサーバーでの情報更新日： 2018年03月06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。

畳込みニューラルネットワーク(CNN)は多くの最先端(SOA)視覚処理タスクを解決するための主要なニューラルネットワークアーキテクチャとなっている。グラフ処理ユニット(GPU)は,CNNを訓練および展開するのに最もしばしば用いられるが,それらの電力効率は,単一フレームランタイム推論に対して10GOp/s/W未満である。低電力と低待ち時間アプリケーションシナリオに有用なSOA CNNを実装するNullHopと呼ばれる柔軟で効率的なCNN加速器アーキテクチャを提案した。NullHopはCNNにおけるニューロン活性化のスパース性を利用して,計算を加速し,メモリ要求を低減する。柔軟なアーキテクチャは,1x1から7x7の範囲のカーネルサイズにわたる利用可能な計算資源の高い利用を可能にする。NullHopは,単一パスで1層当たり128入力と128出力特徴マップを処理できる。提案アーキテクチャをXilinx Zynq FPGAプラットフォームに実装し,筆者らの実装が外部メモリ転送を低減し,小さなものから広く知られている大きなVGG16とVGG19CNNまでの5つの異なるCNNにおける時間を計算する方法を示した。500MHzのクロック周波数を有する28nmプロセスにおけるMentor Modelimを用いた合成後シミュレーションは,VGG19ネットワークが450GOp/s以上を達成することを示した。スパース性を利用して,NullHopは368%の効率を達成し,MACユニットの98%以上の利用を維持し,6.3mm ̄2のコア領域で3TOp/s/W以上の電力効率を達成した。NullHopのユーザビリティのさらなる証明として,リアルタイム対話型実証のために,そのFPGA実装を神経形態学的イベントカメラとインタフェイスした。【JST・京大機械翻訳】

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

ニューロコンピュータ , 人工知能

, , ,

前のページに戻る