講演抄録/キーワード |
講演名 |
2020-01-24 13:50
エッジAIに向けた三値バックプロパゲーション法とそのFPGA実装 ○金子竜也・山岸善治・百瀬 啓・浅井哲也(北大) NLP2019-95 |
抄録 |
(和) |
本論文は,エッジAIに向けたニューラルネットワーク(NN)の学習アルゴリズムとそのFPGA実装に関するものである.
NN処理は学習と推論の二つに分けられるが,推論処理のみを行うエッジAI研究が多数を占めている一方で学習処理の実装については障害を残している.
特に低電力・低演算リソースが要求されるエッジAIでは,単なる量子化を用いた学習手法だと性能とコストが釣り合わない.
これを解決するために三値バックプロパゲーション法 (TBP)を提案,またそのFPGA実装を行った.
TBPを用いることで2クラス分類において性能を維持しながら消費電力を2桁近く削減できていること,10クラス分類において要求リソース量をLE数15.73¥%,総レジスタ数12.31¥%,乗算器数90.9¥%,SRAM使用率49.8¥%まで削減したことを示す. |
(英) |
In recent years there has been growing more interest in machine/deep learning.
As following this movement, many types of hardware architecture is proposed to accelerate AI processing.
These hardware AI is studied both the cloud domain and the edge domain.
While great strides have been made in cloud-base AI, edge-base AI remains unsolved problem from the perspective of technical issues.
A method maintaining the quality while reducing the power and the resource is required.
We implemented low-resources and low-power training algorithm, ternarized backpropagation (TBP), on FPGA and achieved reducing 16.7¥% of logic elements, 13.6¥% of registers and 49.8¥% of SRAM usage. |
キーワード |
(和) |
エッジAI / 学習アルゴリズム / FPGA / 量子化 / 省電力 / / / |
(英) |
Edge-AI / Training Algorithm / FPGA / Quantization / Low-power / / / |
文献情報 |
信学技報, vol. 119, no. 381, NLP2019-95, pp. 53-58, 2020年1月. |
資料番号 |
NLP2019-95 |
発行日 |
2020-01-16 (NLP) |
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 |
NLP2019-95 |