電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
技報オンライン
‥‥ (ESS/通ソ/エレソ/ISS)
技報アーカイブ
‥‥ (エレソ/通ソ)
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2019-09-20 14:00
正確なハードウェアエミュレーションを行う量子化DNNライブラリの開発
木山真人中原康宏尼崎太樹飯田全広熊本大RECONF2019-33
抄録 (和) DNN(Deep Neural Network)をエッジデバイスやAIチップで実行する際,その重みを軽量化するために量子化が行われる.
通常,DNNの内部では演算を32ビット演算精度の浮動小数点で行うが,
量子化ではその精度を8ビットなどより少ないビット幅で演算を行い,メモリの軽量化を図る.
重みは量子化されるが,DNN内部の演算は浮動小数点数で行っている.これはDNNライブラリが浮動小数点数しか扱えないためである.
積和演算時の桁あふれ検出やAIチップでの動作検証のため,DNNライブラリで正確にハードウェアエミュレーションをする必要がある.
そこで本稿では,ハードウェアとまったく同じ動作で量子化DNNを実行する手法を提案し,
その手法を用いて正確にハードウェアエミュレーションが可能なDNNライブラリを開発した.
LeNet5,AlexNetのモデルで正確に動作していることを確認した. 
(英) Deep neural networks (DNNs) have recently shown outstanding performance in many application domains.
However, it is difficult to run much complex and larger DNN applications on mobile devices due to limited hardware resources.
Quantization is used to reduce the hardware requirements because it uses fewer bits, such as 8-bit fixed points instead of 32-bit floating-point numbers.
DNN librarys use floating-point numbers after quantization because they assume that all data to be calculated in floating-point format.
Therefore, there is mismatch in running hardware emulation exactly.
In this paper, we propose a method of calculation for exact hardware emulation and developed a new DNNs library based on our method.
We show that our library is capable of exact hardware emulation.
キーワード (和) 量子化 / 深層学習 / / / / / /  
(英) quantization / deep learning / / / / / /  
文献情報 信学技報, vol. 119, no. 208, RECONF2019-33, pp. 69-74, 2019年9月.
資料番号 RECONF2019-33 
発行日 2019-09-12 (RECONF) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380
著作権に
ついて
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034)
PDFダウンロード RECONF2019-33

研究会情報
研究会 RECONF  
開催期間 2019-09-19 - 2019-09-20 
開催地(和) 北九州国際会議場 
開催地(英) KITAKYUSHU Convention Center 
テーマ(和) リコンフィギャラブルシステム,一般 
テーマ(英) Reconfigurable Systems, etc. 
講演論文情報の詳細
申込み研究会 RECONF 
会議コード 2019-09-RECONF 
本文の言語 英語(日本語タイトルあり) 
タイトル(和) 正確なハードウェアエミュレーションを行う量子化DNNライブラリの開発 
サブタイトル(和)  
タイトル(英) Quantized Neural Networks Library for Exact Hardware Emulation 
サブタイトル(英)  
キーワード(1)(和/英) 量子化 / quantization  
キーワード(2)(和/英) 深層学習 / deep learning  
キーワード(3)(和/英) /  
キーワード(4)(和/英) /  
キーワード(5)(和/英) /  
キーワード(6)(和/英) /  
キーワード(7)(和/英) /  
キーワード(8)(和/英) /  
第1著者 氏名(和/英/ヨミ) 木山 真人 / Masato Kiyama / キヤマ マサト
第1著者 所属(和/英) 熊本大学 (略称: 熊本大)
Kumamoto University (略称: Kumamoto Univ.)
第2著者 氏名(和/英/ヨミ) 中原 康宏 / Yasuhiro Nakahara / ナカハラ ヤスヒロ
第2著者 所属(和/英) 熊本大学 (略称: 熊本大)
Kumamoto University (略称: Kumamoto Univ.)
第3著者 氏名(和/英/ヨミ) 尼崎 太樹 / Motoki Amagasaki / アマガサキ モトキ
第3著者 所属(和/英) 熊本大学 (略称: 熊本大)
Kumamoto University (略称: Kumamoto Univ.)
第4著者 氏名(和/英/ヨミ) 飯田 全広 / Masahiro Iida / イイダ マサヒロ
第4著者 所属(和/英) 熊本大学 (略称: 熊本大)
Kumamoto University (略称: Kumamoto Univ.)
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者
発表日時 2019-09-20 14:00:00 
発表時間 20 
申込先研究会 RECONF 
資料番号 IEICE-RECONF2019-33 
巻番号(vol) IEICE-119 
号番号(no) no.208 
ページ範囲 pp.69-74 
ページ数 IEICE-6 
発行日 IEICE-RECONF-2019-09-12 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会