| 講演名 | 2022-09-08 DNN向け推論・学習両用Combined Posit MAC演算器(CPMAC)の提案と評価 増田 雄太(熊本大), 中原 康宏(熊本大), 木山 真人(熊本大), 飯田 全広(熊本大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 近年，数値表現Posit を使用したエッジ向けのDNN ハードウェアアクセラレータの研究が盛んに行われている．Posit を使用することで高精度な推論・学習が可能となる一方で，推論と学習とでは求められる演算精度に違いがあり，推論用と学習用それぞれの演算器が必要となる．しかし，リソースに制約のあるエッジデバイスでは，両方の演算器を実装することが困難である．そこで本稿では，推論用の低精度Posit MAC 演算器を複数個結合させた推論・学習両用Combined Posit MAC 演算器を提案する．結果として，Posit の指数部が大きい場合は最大で2 割強の面積削減を達成し，広いダイナミックレンジが求められるアプリケーションにおける本演算器の有用性を示すことができた． |
| 抄録(英) | Recently, there has been a lot of research on DNN hardware accelerators for the edge that use Posit as a number representation. Although the Posit contributes highly accurate inference and training using a fewer bit-width than floating point numbers, there is a difference in the required bits accuracy between inference and training, requiring other arithmetic units for each. However, it is difficult to implement both arithmetic units on edge devices with limited resources. In this article, we propose a Combined Posit MAC unit (CPMAC) for inference and training which can combine a lower precision Posit MACunit with the plural. As a result, we achieved an area reduction of more than 20% at the maximum when the exponent of Posit is large, and demonstrated the usefulness of CPMAC in applications that require a wide dynamic range. |
| キーワード(和) | 深層学習 / 畳み込みニューラルネットワーク / Posit / 積和演算器 |
| キーワード(英) | DeeoLearning / Convolutional Neural Network / Posit / MAC unit |
| 資料番号 | RECONF2022-34 |
| 発行日 | 2022-08-31 (RECONF) |
| 研究会情報 | |
| 研究会 | RECONF |
|---|---|
| 開催期間 | 2022/9/7(から2日開催) |
| 開催地（和） | emCAMPUS STUDIO（豊橋） |
| 開催地（英） | emCAMPUS STUDIO |
| 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 system, etc. |
| 委員長氏名（和） | 佐野 健太郎(理研) |
| 委員長氏名（英） | Kentaro Sano(RIKEN) |
| 副委員長氏名（和） | 山口 佳樹(筑波大) / 泉 知論(立命館大) |
| 副委員長氏名（英） | Yoshiki Yamaguchi(Tsukuba Univ.) / Tomonori Izumi(Ritsumeikan Univ.) |
| 幹事氏名（和） | 小林 悠記(NEC) / 佐藤 幸紀(豊橋技科大) |
| 幹事氏名（英） | Yuuki Kobayashi(NEC) / Yukinori Sato(Toyohashi Univ. of Tech.) |
| 幹事補佐氏名（和） | 竹村 幸尚(インテル) / 長名 保範(琉球大学) |
| 幹事補佐氏名（英） | Yukitaka Takemura(INTEL) / Yasunori Osana(Ryukyu Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Reconfigurable Systems |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | DNN向け推論・学習両用Combined Posit MAC演算器(CPMAC)の提案と評価 |
| サブタイトル（和） | |
| タイトル（英） | Proposal and evaluation of Combined Posit MAC unit (CPMAC) for both DNN inference and training |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 深層学習 / DeeoLearning |
| キーワード(2)（和/英） | 畳み込みニューラルネットワーク / Convolutional Neural Network |
| キーワード(3)（和/英） | Posit / Posit |
| キーワード(4)（和/英） | 積和演算器 / MAC unit |
| 第 1 著者 氏名（和/英） | 増田 雄太 / Yuta Masuda |
| 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） | 中原 康宏 / Yasuhiro Nakahara |
| 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） | 木山 真人 / Masato Kiyama |
| 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） | 飯田 全広 / Masahiro Iida |
| 第 4 著者 所属（和/英） | 熊本大学(略称：熊本大) Kumamoto University(略称：Kumamoto Univ.) |
| 発表年月日 | 2022-09-08 |
| 資料番号 | RECONF2022-34 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | RECONF-174 |
| ページ範囲 | pp.29-34(RECONF), |
| ページ数 | 6 |
| 発行日 | 2022-08-31 (RECONF) |