0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 5 years have passed since last update.

文献『From Model to FPGA: Software-Hardware Co-Design for Efficient Neural Network Acceleration』を読む。

Last updated at Posted at 2019-05-15

#目的
Kaiyuan Guo, Lingzhi Sui, Jiantao Qiu, Song Yao, Song Han, Yu Wang, Huazhong Yang1.
From Model to FPGA: Software-Hardware Co-Design for Efficient Neural Network Acceleration.
2016 IEEE Hot Chips 28 Symposium (HCS)

この文献は、以下で公開されている。
https://www.hotchips.org/wp-content/uploads/hc_archives/hc28/HC28.22-Monday-Epub/HC28.22.40-Vision-Image-Epub/HC28.22.411-Neural-Net-Accleration-Yao-DeePhi-0821.pdf

ディープラーニングのモデルの処理量を知りたい場合がある。
処理量としては、G-Ops等で示されているのが、扱いやすい。
処理量が記載された文書やサイトは沢山あるが、どれが、語弊のない数値が書かれているか、判断つかないときがある。
少し、情報を集めたいと考えました。
この文献は、ディープラーニングのFPGA実装(xillinx)を検討する場合に役立ちます。
ただし、やや古い情報のため、これをベースに、更に、新しい情報を探されるといいと思います。

 :pencil:まず、この文献は、書籍からも参照されていたので、ある程度、信頼できると考えた。以下の方に役立つと思います。

   ・ディープラーニングのモデルの処理量(GOPSなど)を知りたい人

#よく見る情報

(適宜、追記します。まずは、この文献の存在の紹介が主な意図です。)

model Gop 備考
VGG16
Image classification
30.68 13 Conv layers
YOLO Tiny
General object detection
5.54 9 Conv layers
Customized Network
Face alignment
0.1046 ※1 9 Conv layers
※1 資料では、104.6 Mop と記載。

#まとめ
この文献は、よく見ます。
下記の書籍でも、引用されていました。
 「GPUを支える技術 超並列ハードウェアの快進撃[技術基礎]」

#関連(本人)

DNNのモデル毎の処理量(GOP)をまとめる

良書 「GPUを支える技術 超並列ハードウェアの快進撃[技術基礎]」を読む

文献『AN ANALYSIS OF DEEP NEURAL NETWORK MODELS FOR PRACTICAL APPLICATIONS』を読む。

#今後
適宜、情報を足します。
コメントなどあれば、お願いします。:candy:

0
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?