A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Open Access
Weight Compression MAC Accelerator for Effective Inference of Deep Learning
Abra o Access
Acelerador MAC de compressão de peso para inferência eficaz de aprendizado profundo

Asuka MAKI, Daisuke MIYASHITA, Shinichi SASAKI, Kengo NAKATA, Fumihiko TACHIBANA, Tomoya SUZUKI, Jun DEGUCHI, Ryuichi FUJIMOTO

  • Exibições de texto completo

    91

  • Cite isto
  • Free PDF (4MB)

Resumo:

Muitos estudos de redes neurais profundas relataram aceleradores de inferência para melhorar a eficiência energética. Propomos métodos para melhorar ainda mais a eficiência energética, mantendo a precisão do reconhecimento, que foram desenvolvidos pelo co-projeto de um esquema de quantização filtro por filtro com precisão de bits variável e uma arquitetura de hardware que o suporta totalmente. A quantização por filtro reduz a precisão média dos pesos, de modo que os tempos de execução e o consumo de energia para inferência são reduzidos proporcionalmente ao número total de cálculos multiplicados pela precisão média dos pesos. A utilização do hardware também é melhorada por uma arquitetura paralela de bits adequada para precisão de pesos de bits quantizada granularmente. Implementamos a arquitetura proposta em um FPGA e demonstramos que os ciclos de execução são reduzidos para 1/5.3 para ResNet-50 no ImageNet em comparação com um método convencional, mantendo a precisão do reconhecimento.

Publicação
IEICE TRANSACTIONS on Electronics Vol.E103-C No.10 pp.514-523
Data de publicação
2020/10/01
Publicitada
2020/05/15
ISSN online
1745-1353
DOI
10.1587/transele.2019CTP0007
Tipo de Manuscrito
Special Section PAPER (Special Section on Analog Circuits and Their Application Technologies)
Categoria
Eletrônica Integrada

autores

Asuka MAKI
  Kioxia Corporation
Daisuke MIYASHITA
  Kioxia Corporation
Shinichi SASAKI
  Kioxia Corporation
Kengo NAKATA
  Kioxia Corporation
Fumihiko TACHIBANA
  Kioxia Corporation
Tomoya SUZUKI
  Kioxia Corporation
Jun DEGUCHI
  Kioxia Corporation
Ryuichi FUJIMOTO
  Kioxia Corporation

Palavra-chave