| 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 | 2023-03-23 16:50 GPUサーバにおける画像認識を行う深層学習の性能モデリング ○松下哲也・三輪 忍・八巻隼人・本多弘樹（電通大）  CPSY2022-39 DC2022-98 |
|
| 抄録 | （和） | 深層学習は膨大な計算資源を必要とすることから，GPU を搭載したサーバ上で実行されることが多い．現 在の多くの深層学習フレームワークには，主に CPU で実行される訓練データの準備処理 (データ転送を含む) と GPU で実行される学習処理をオーバーラップさせる入力パイプラインが備わっている．入力パイプライン用いた際のアプ リケーションの性能は，この二つの処理のうち時間の長い処理に律速される．したがって，一定のコスト制限のもと において，入力パイプラインによる性能向上をできるだけ高くするためには，この二つの処理の時間ができるだけ同 じになるよう，GPU サーバを構成する各ハードウェアのそれぞれの要求性能を明らかにする必要がある．そこで本研 究では，各ハードウェアの要求性能を明らかにするため，GPU サーバ上で実行される深層学習を用いた画像認識アプ リケーションの実行時間を種々のアーキテクチャパラメータを用いてモデル化を目指した．2 種類の GPU サーバ上で ResNet50 を用いて ImageNet の学習を行った結果，導出したモデルは同アプリケーションの性能を平均絶対パーセン ト誤差 10.8% で予測できた． |
| （英） | Deep learning frameworks have an input pipeline that executes data transfer and processes on CPU and GPU in a pipeline manner. When using the input pipeline, the required performance of each hardware in a GPU server differs depending on the combination of hardware. In this research, we model the execution time of an image recognition application based on deep learning by using various architectural parameters on the GPU server, in order to clarify the required performance of each hardware. As a result of training ResNet50 with ImageNet on two types of GPU servers, our model can predict the execution time with a mean absolute percentage error of 10.8%. | |
| キーワード | （和） | 深層学習 / GPUサーバ / 性能モデリング / / / / / |
| （英） | deep learning / GPU server / performance modeling / / / / / | |
| 文献情報 | 信学技報, vol. 122, no. 451, CPSY2022-39, pp. 31-36, 2023年3月. | |
| 資料番号 | CPSY2022-39 | |
| 発行日 | 2023-03-16 (CPSY, DC) | |
| 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 | CPSY2022-39 DC2022-98 |
|
| 研究会情報 | |
| 研究会 | DC CPSY IPSJ-SLDM IPSJ-EMB IPSJ-ARC |
| 開催期間 | 2023-03-23 - 2023-03-25 |
| 開催地（和） | 天城町防災センター（徳之島） |
| 開催地（英） | Amagi Town Disaster Prevention Center (Tokunoshima) |
| テーマ（和） | 組込み技術とネットワークに関するワークショップ ETNET2023 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | CPSY |
| 会議コード | 2023-03-DC-CPSY-SLDM-EMB-ARC |
| 本文の言語 | 日本語 |
| タイトル（和） | GPUサーバにおける画像認識を行う深層学習の性能モデリング |
| サブタイトル（和） | |
| タイトル（英） | Modeling performance of deep learning for image recognition on a GPU server |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 深層学習 / deep learning |
| キーワード(2)（和/英） | GPUサーバ / GPU server |
| キーワード(3)（和/英） | 性能モデリング / performance modeling |
| キーワード(4)（和/英） | / |
| 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） | 松下 哲也 / Tetsuya Matsushita / マツシタ テツヤ |
| 第1著者 所属（和/英） | 電気通信大学 (略称： 電通大) The University of Electro-Communications (略称： UEC) |
| 第2著者 氏名（和/英/ヨミ） | 三輪 忍 / Shinobu Miwa / ミワ シノブ |
| 第2著者 所属（和/英） | 電気通信大学 (略称： 電通大) The University of Electro-Communications (略称： UEC) |
| 第3著者 氏名（和/英/ヨミ） | 八巻 隼人 / Hayato Yamaki / ヤマキ ハヤト |
| 第3著者 所属（和/英） | 電気通信大学 (略称： 電通大) The University of Electro-Communications (略称： UEC) |
| 第4著者 氏名（和/英/ヨミ） | 本多 弘樹 / Hiroki Honda / ホンダ ヒロキ |
| 第4著者 所属（和/英） | 電気通信大学 (略称： 電通大) The University of Electro-Communications (略称： UEC) |
| 講演者 | 第1著者 |
| 発表日時 | 2023-03-23 16:50:00 |
| 発表時間 | 25分 |
| 申込先研究会 | CPSY |
| 資料番号 | CPSY2022-39, DC2022-98 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.451(CPSY), no.452(DC) |
| ページ範囲 | pp.31-36 |
| ページ数 | 6 |
| 発行日 | 2023-03-16 (CPSY, DC) |
[研究会発表申込システムのトップページに戻る]