GPU 가속기를 통한 비트 연산 최적화 및 DNN 응용

김상혁; 이재흥

추천

검색

질문

자료유형: 학술저널

저자정보: 김상혁 (Hanbat National University) 이재흥 (Hanbat National University)

저널정보: 한국전기전자학회 전기전자학회논문지 전기전자학회논문지 제23권 제4호

발행연도: 2019.12

수록면: 199 - 205 (7page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 논문에서는 소프트웨어 환경에서 비트연산을 최적화 하고 DNN으로 응용하는 방법을 제안한다. 이를 위해 비트연산 최적화를 위한 패킹 함수와 DNN으로 응용을 위한 마스킹 행렬 곱 연산을 제안한다. 패킹 함수의 경우는 32bit의 실제 가중치 값을 2bit로 변환하는 연산을 수행한다. 연산을 수행할 땐, 임계값 비교 연산을 통해 2bit 값으로 변환한다. 이 연산을 수행하면 4개의 32bit값이 1개의 8bit 메모리에 들어가게 된다. 마스킹 행렬 곱 연산의 경우 패킹된 가중치 값과 일반 입력 값을 곱하기 위한 특수한 연산으로 이루어져 있다. 그리고 각각의 연산은 GPU 가속기를 이용해 병렬로 처리되게 하였다. 그 결과 HandWritten 데이터 셋에 환경에서 32bit DNN 모델에 비해 약 16배의 메모리 절약을 볼 수 있었다. 그럼에도 정확도는 32bit 모델과 비슷한 1% 이내의 차이를 보였다.

#AI #Deep Learning #Neural Network #Memory Saving #Optimization

참고문헌 (10)

참고문헌 신청

M. Courbariaux / Binary Connect: Training Deep Neural Networks with binary weights during propagations

C. Zhu / 2017 / Trained ternary quantization / International Conference on Learning Representations

S. Han / 2015 / Deep Compression: Compressing Deep Neural Networks with Pruning, Trained Quantization and Huffman Coding / NIPS Deep Learning Symposium

Nikola Sakharnykh / Maximizing Unified Memory Performance in CUDA

J. Choi / Bridging the Accuracy Gap for 2-bit Quantized Neural Networks(QNN)

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

김상혁

소속기관 Hanbat National University

주요연구분야 공학 > 전기전자공학 > 전자공학

논문수 1 이용수 65

이재홍

소속기관 한밭대학교

주요연구분야 공학 > 전기전자공학 > 전자공학 사회과학 > 교육학

논문수 22 이용수 638

이 논문과 함께 이용한 논문

TPMP : ARM TrustZone을 활용한 DNN 추론 과정의 기밀성 보장 기술

송수현 , 박성환 , 권동현 정보보호학회논문지 2022 .06

합성곱 연산을 위한 Systolic 배열 기반의 행렬 계산 가속기

박정민 , 김래형 , 이승은 대한전자공학회 학술대회 2023 .06

고속 푸리에 변환 하드웨어 가속기 설계 및 검증 시스템

김종혁 , 조경선 , 서영교 Proceedings of KIIT Conference 2023 .06

AI 기반 모바일 서비스를 위한 딥러닝 모델 파티셔닝 기법

임정아 , 김영진 한국통신학회논문지 2022 .06

CNN 추론 연산 가속기를 위한 곱셈기 최적화 설계

이재우 , 이재성 한국정보통신학회논문지 2021 .10

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2020-056-000378387

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (10)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)