| 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 [ログイン] 技報アーカイブ |
| 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 | 2021-03-03 10:00 ディープラーニングモデルのMRAM格納時におけるApproximate Computingを用いたエネルギー削減手法 ○小野義基・宇佐美公良（芝浦工大）  VLD2020-67 HWS2020-42 |
|
| 抄録 | （和） | 近年、エッジデバイスにおけるディープラーニング、とりわけオンチップ学習が注目を集めている。加えて、磁気抵抗メモリ(MRAM)は、良好なパフォーマンスや小さなリーク電力などの点から、エッジデバイス向けのメモリ技術として盛んに研究されている。一方、MRAMは書き込み時のエネルギー消費が大きいという問題点がある。本研究では、ディープラーニングのオンチップ学習において生成されるモデルの重みとバイアスを、Approximate Computing (AC) の考え方に基づいてMRAMに格納する新たな手法を提案する。また、AC適用時における書き込み時間の最適値の検討や、AC適用時のエポックと推論精度の関係についても述べる。シミュレーションの結果、画像認識アプリケーションの学習時に本手法を適用することで、推論精度の劣化を0.5%以内に抑えつつ、9~37%の書き込みエネルギー削減を達成した。 |
| （英） | On-chip learning is gaining attention in edge devices. In addition, a magnetic RAM (MRAM) is a promising memory technology for edge devices because of low leakage energy. However, the high write energy is a disadvantage of MRAM. For minimizing the write energy, we propose an approximate storing approach to MRAM for learning tasks of deep neural networks (DNN). The proposed approach writes the weight and bias data to MRAM approximately on each epoch with the fine-grained adjusted write time. Simulation results with image recognition DNN applications have demonstrated that the write energy can be reduced in the range from 9% to 37% with negligible (< 0.5%) accuracy loss. | |
| キーワード | （和） | MRAM / エネルギー削減 / Approximate Computing / ディープラーニング / オンチップ学習 / / / |
| （英） | MRAM / Energy Minimization / Approximate Computing / Deep Learning / On-chip Learning / / / | |
| 文献情報 | 信学技報, vol. 120, no. 400, VLD2020-67, pp. 1-6, 2021年3月. | |
| 資料番号 | VLD2020-67 | |
| 発行日 | 2021-02-24 (VLD, HWS) | |
| ISSN | 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 | VLD2020-67 HWS2020-42 |
|
| 研究会情報 | |
| 研究会 | HWS VLD |
| 開催期間 | 2021-03-03 - 2021-03-04 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | システムオンシリコンを支える設計技術, ハードウェアセキュリティ, 一般 |
| テーマ（英） | Design Technology for System-on-Silicon, Hardware Security, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | VLD |
| 会議コード | 2021-03-HWS-VLD |
| 本文の言語 | 日本語 |
| タイトル（和） | ディープラーニングモデルのMRAM格納時におけるApproximate Computingを用いたエネルギー削減手法 |
| サブタイトル（和） | |
| タイトル（英） | Energy Efficient Approximate Storing to MRAM for Deep Neural Network Tasks in Edge Computing |
| サブタイトル（英） | |
| キーワード(1)（和/英） | MRAM / MRAM |
| キーワード(2)（和/英） | エネルギー削減 / Energy Minimization |
| キーワード(3)（和/英） | Approximate Computing / Approximate Computing |
| キーワード(4)（和/英） | ディープラーニング / Deep Learning |
| キーワード(5)（和/英） | オンチップ学習 / On-chip Learning |
| 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） | 小野 義基 / Yoshinori Ono / |
| 第1著者 所属（和/英） | 芝浦工業大学 (略称： 芝浦工大) Shibaura Institute of Technology (略称： SIT) |
| 第2著者 氏名（和/英/ヨミ） | 宇佐美 公良 / Kimiyoshi Usami / |
| 第2著者 所属（和/英） | 芝浦工業大学 (略称： 芝浦工大) Shibaura Institute of Technology (略称： SIT) |
| 講演者 | 第1著者 |
| 発表日時 | 2021-03-03 10:00:00 |
| 発表時間 | 25分 |
| 申込先研究会 | VLD |
| 資料番号 | VLD2020-67, HWS2020-42 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | no.400(VLD), no.401(HWS) |
| ページ範囲 | pp.1-6 |
| ページ数 | 6 |
| 発行日 | 2021-02-24 (VLD, HWS) |
[研究会発表申込システムのトップページに戻る]