검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

GUINNESS: A GUI Based Binarized Deep Neural Network Framework for Software Programmers GUINNESS: 소프트웨어 프로그래머를 위한 GUI 기반 이진화 심층 신경망 프레임워크

Hiroki NAKAHARA, Haruyoshi YONEKAWA, Tomoya FUJII, Masayuki SHIMODA, Shimpei SATO

  • 조회수

    0

  • 이것을 인용

요약 :

GUINNESS(GUI 기반 이진화 신경망 합성기)는 GPU 훈련과 FPGA 추론을 모두 포함하는 GUI 기반 FPGA 구현을 위한 이진화 심층 신경망을 위한 오픈 소스 도구 흐름입니다. 모든 작업이 GUI에서 수행되므로 소프트웨어 디자이너는 신경망 구조, 훈련 동작을 설계하기 위한 스크립트를 작성할 필요가 없으며 하이퍼파라미터 값만 지정하면 됩니다. 훈련을 마친 후 Xilinx SDSoC 시스템 설계 도구 흐름을 사용하여 비트 스트림을 합성하는 C++ 코드를 자동으로 생성합니다. 따라서 우리의 툴 흐름은 FPGA 설계에 익숙하지 않은 소프트웨어 프로그래머에게 적합합니다. 도구 흐름에서는 이진화된 CNN 하드웨어에 대한 훈련 및 추론 모두의 훈련 알고리즘을 수정합니다. 하드웨어의 비트 정밀도는 제한되어 있으므로 훈련 시 최소한의 편향이 부족합니다. 또한, 하드웨어에 대한 추론을 위해서는 기존 배치 정규화 기법에 추가적인 하드웨어가 필요하다. 우리의 수정으로 이러한 문제가 해결되었습니다. 우리는 Digilent Inc. Zedboard에 VGG-11 벤치마크 CNN을 구현했습니다. 기존 FPGA의 이진화 구현과 비교하여 분류 정확도는 거의 동일했으며 전력 효율당 성능은 5.1배, 면적 효율은 8.0배, 메모리당 성능은 8.2배 더 좋습니다. 제안된 FPGA 설계를 CPU 및 GPU 설계와 비교합니다. ARM Cortex-A57과 비교하면 1776.3배 빠르고, 소비전력은 3.0배, 전력효율당 성능은 5706.3배 향상됐다. 또한 Maxwell GPU와 비교하면 11.5배 빠르며, 7.3배 더 낮은 전력 소모, 전력 효율당 성능은 83.0배 향상되었습니다. FPGA 기반 설계의 단점은 FPGA 실행 코드를 합성하는 데 추가 시간이 필요하다는 것입니다. 실험을 통해 75시간이 더 소요되었으며, 전체 FPGA 설계에는 XNUMX시간이 소요되었습니다. CNN의 훈련이 지배적이어서 그 규모가 상당하다.

발행
IEICE TRANSACTIONS on Information Vol.E102-D No.5 pp.1003-1011
발행일
2019/05/01
공개일
2019/02/27
온라인 ISSN
1745-1361
DOI
10.1587/transinf.2018RCP0002
원고의 종류
Special Section PAPER (Special Section on Reconfigurable Systems)
범주
디자인 도구

작성자

Hiroki NAKAHARA
  Tokyo Institute of Technology
Haruyoshi YONEKAWA
  Tokyo Institute of Technology
Tomoya FUJII
  Tokyo Institute of Technology
Masayuki SHIMODA
  Tokyo Institute of Technology
Shimpei SATO
  Tokyo Institute of Technology

키워드