| 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 | 2022-09-08 10:10 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・中原康宏・木山真人・飯田全広（熊本大）  RECONF2022-34 |
|
| 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． |
| （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 MAC unit 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 / / / / |
| （英） | DeeoLearning / Convolutional Neural Network / Posit / MAC unit / / / / | |
| 文献情報 | 信学技報, vol. 122, no. 174, RECONF2022-34, pp. 29-34, 2022年9月. | |
| 資料番号 | RECONF2022-34 | |
| 発行日 | 2022-08-31 (RECONF) | |
| 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) | |
| 査読に ついて |
本技術報告は査読を経ていない技術報告であり，推敲を加えられていずれかの場に発表されることがあります． | |
| PDFダウンロード | RECONF2022-34 |
|
| 研究会情報 | |
| 研究会 | RECONF |
| 開催期間 | 2022-09-07 - 2022-09-08 |
| 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. |
| 講演論文情報の詳細 | |
| 申込み研究会 | RECONF |
| 会議コード | 2022-09-RECONF |
| 本文の言語 | 日本語 |
| 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（英） | |
| 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 |
| 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） | 増田 雄太 / Yuta Masuda / マスダ ユウタ |
| 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） | 木山 真人 / Masato Kiyama / キヤマ マサト |
| 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.) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-09-08 10:10:00 |
| 発表時間 | 25分 |
| 申込先研究会 | RECONF |
| 資料番号 | RECONF2022-34 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.174 |
| ページ範囲 | pp.29-34 |
| ページ数 | 6 |
| 発行日 | 2022-08-31 (RECONF) |
[研究会発表申込システムのトップページに戻る]