お知らせ 研究会の開催と会場に参加される皆様へのお願い(2022年6月開催~)
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 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)
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.)
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 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
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]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会