文献『Machine learning for embedded deep dive』を読む

#目的
表題の文献

Machine learning for embedded deep dive
　Presented By
　Andy Luo Sr. Product Marketing Manager
　2018-10-0

は、
XILINX DEVELOPER FORUMのサイト
（ https://www.xilinx.com/products/design-tools/developer-forum/silicon-valley/access-content.html )
から、アクセス（ダウンロード）できる。

別の記事にも同じようなことを書いたが、
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。

　まず、この文献は、沢山の情報があり、以下の方に役立つと思う。

　　　・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

#物体検出の処理量

下記の図より、物体検出の処理量が、まず、わかる。
（縦軸の条件が書かれていません、探しても、、、zu9とかでしょうか？）

(出典：　https://www.xilinx.com/content/dam/xilinx/imgs/developer-forum/2018-silicon-valley/Edge-Machine-Learning-for-Embedded-Deep-Dive.pdf　)

グラフの数字を表にすると、以下のとおり。

model	Gop	備考
Inception v1	3.2
Tiny Yolov3	5.6
Tiny Yolov2	7
ResNet50	7.7
VGG16	30
Yolov2	36
Yolov3	65
SSD	117

prunedした場合の数値も示されている。

(出典：　https://www.xilinx.com/content/dam/xilinx/imgs/developer-forum/2018-silicon-valley/Edge-Machine-Learning-for-Embedded-Deep-Dive.pdf　)

#DPU Scalability
この情報も知りたかった。

(出典: )

#まとめ
この文献は、情報がよく集約されていると思う。

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