文献

J-GLOBAL ID：201702281531814556   整理番号：17A0754792

Eyeriss:深層畳込みニューラルネットワークのためのエネルギー効率の良い再構成可能アクセラレータ【Powered by NICT】

Eyeriss: An Energy-Efficient Reconfigurable Accelerator for Deep Convolutional Neural Networks

著者 (4件)： Chen Yu-Hsin (Department of Electrical Engineering and Computer Science, Massachusetts Institute of Technology, Cambridge, MA, USA) ,  Krishna Tushar (Department of Electrical Engineering and Computer Science, Massachusetts Institute of Technology, Cambridge, MA, USA) ,  Emer Joel S. (Department of Electrical Engineering and Computer Science, Massachusetts Institute of Technology, Cambridge, MA, USA) ,  Sze Vivienne (Department of Electrical Engineering and Computer Science, Massachusetts Institute of Technology, Cambridge, MA, USA)
資料名： IEEE Journal of Solid-State Circuits  (IEEE Journal of Solid-State Circuits)
巻： 52  号： 1  ページ： 127-138  発行年： 2017年 
JST資料番号： B0761A  ISSN： 0018-9200  CODEN： IJSCBC  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： Eyerissは最先端の深い畳込みニューラルネットワーク(CNN)のための加速器である。アーキテクチャを再構成することにより種々のCNN形状のための,加速器チップとオフチップDRAMを含む全体システムのエネルギー効率のための最適化した。CNNは現在のAIシステムで広く用いられているが,基礎となるハードウェアへのスループットとエネルギー効率に関する挑戦をもたらす。これはその計算は大量のデータを必要とし,計算よりもより多くのエネルギーを消費することをオンチップとオフチップから有意なデータ移動を生成するためである。,CNN形状のための最小データ移動エネルギーコストは,高スループットとエネルギー効率への鍵である。Eyerissは168個の処理要素を用いた空間アーキテクチャに提案した処理データフロー,列固定(RS)と呼ばれる,を用いてこれらの目標を達成した。RSデータフローは与えられた形状の計算マッピング,高価なデータ移動を低減するために局所的にデータを再利用する最大エネルギー効率を最適化することを再構成,DRAMアクセスなど。圧縮とデータゲートは,エネルギー効率をさらに改善するために適用した。Eyerissは236でVGG16mW(N=3)のための278mW(バッチサイズN=4),と0.7フレーム/秒と0.0035DRAMアクセス/MACでAlexNet35フレーム/sと0.0029DRAMアクセス/多重と蓄積(MAC)で畳込み層を処理する。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： DRAM ,  *エネルギー効率 ,  スループット ,  加速器 ,  最適化 ,  計算機アーキテクチャ ,  *畳込み ,  計算 ,  人工知能システム ,  *再構成 ,  *ニューラルネットワーク ,  再利用 ,  ハードウェア ,  *アクセラレータ ,  改変
準シソーラス用語： データフロー , 【Automatic Indexing@JST】

分類 (1件)： 半導体集積回路  (NC03162T)

タイトルに関連する用語 (4件)： 深層畳込みニューラルネットワーク ,  エネルギー効率 ,  再構成可能 ,  アクセラレータ