지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 하순회
- 발행연도
- 2019
- 저작권
- 서울대학교 논문은 저작권에 의해 보호받습니다.
이용수1
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
뉴럴 프로세서의 성능을 예측하기 위하여 사이클 정확(Cycle-accurate)한 시뮬레이터를 이용하여 설계할 프로세서의 성능을 예측하면 시뮬레이션 시간이 오래 걸려 시간적 설계 비용이 매우 크다. 또한, 분석 모델을 통한 예측 또는 통계적인 방법을 사용한 예측은 정확도가 낮다. 본 논문에서는 샘플드(Sampled) 시뮬레이션과 분석 모델, 그리고 통계적 접근 방법을 결합한 하이브리드 시뮬레이션 기법을 매니코어 뉴럴 네트워크 가속기의 한 종류인 ZeNA 아키텍처에 적용하여 AlexNet의 합성곱 레이어들에 대하여 기본 시뮬레이터 대비 1.15%의 오차로 최대 91배 가속을 하였다. 또한, 제안한 성능 예측 방법이 설계 공간 탐색의 도구로써 유효성을 검증하기 위해, 하드웨어 구성을 변경하며 실험을 수행했으며 기존 시뮬레이터와의 경향성이 일치하는 것을 확인하였다.
목차
1. 서론 - 1 -2. 관련 연구 - 3 -3. 타겟 가속기 구조 - 5 -4. 제안하는 성능 예측 방법 - 9 -4.1. 기본 분석 모델 - 9 -4.2. 샘플드 시뮬레이션을 적용한 분석 모델 확장 - 10 -4.2.1 PE 샘플드 시뮬레이션 - 11 -4.2.2 PG 샘플드 시뮬레이션 - 12 -4.3. 통계적 모델을 이용한 분석 모델 확장 - 17 -5. 실험 - 21 -5.1 AlexNet 합성곱 레이어를 통한 검증 - 22 -5.1.1 PE 샘플드 시뮬레이션 실험 - 22 -5.1.2 PG 샘플드 시뮬레이션 실험 - 23 -5.2 하드웨어 설정 변경에 따른 비교 실험 - 25 -6. 결론 - 28 -참고 문헌 - 29 -
최근 본 자료
댓글(0)
0