메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터

주제분류

사회과학
경영학 경제학 관광학 교육학 군사학 무역학 문헌정보학 법학 사회과학일반 사회복지학 사회학 신문방송학 심리과학 정치외교학 지리/지역개발학 지역학 행정학
공학
건축공학 공학일반 기계공학 산업공학 자원/재료공학 전자/제어계측공학 전자/정보통신공학 조선/해양공학 컴퓨터학 토목/환경공학 항공우주공학 화학/생물공학
자연과학
물리학 생물학 생활과학 수학/통계학 자연과학일반 전문/지구과학
의약학
간호학 수의학 약학 의학 의학일반 치의학 한의학
인문학
독일어문학 러시아어문학 문학 언어학 역사학 영어문학 인문학일반 일본어문학 종교학/신학 중국어문학 철학 프랑스어문학 한국어문학
예술체육학
건축 디자인 무용 미술 미용 사진 연극 영화 예술체육학일반 음악 의상 체육
농수해양학
농수해양학일반 농학 수산학 식품과학 임학 축산학 해상운송학
복합학
과학기술학/기술정책 뇌/인지과학 여성학 학제간연구

정기구독(개인)

소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.

회원혜택

로그인 회원이 가져갈 수 있는 혜택들을 확인하고 이용하세요.

아카루트

학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.

영문교정

영문 논문 작성에 도움을 드리기 위해, 영문 교정 서비스를
지원하고 있어요.
고객센터 제휴문의

...

저널정보

저자정보

표지
이용수
내서재
1
내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

이 논문의 연구 히스토리 (2)

2021

다양한 CNN 가속기에서 아키텍처에 따른 면적, 에너지, 성능 분석
김휘수 ,  최재완 ,  이선정 외 1명 정보과학회 컴퓨팅의 실제 논문지 2021.01 학술저널

2020

다양한 CNN 가속기에서 아키텍처에 따른 면적, 에너지, 성능 분석
김휘수 ,  최재완 ,  이선정 외 1명 한국정보과학회 학술발표논문집 2020.07 학술대회자료

초록·키워드

오류제보하기
Convolution Neural Network 가속기는 AI시대에 중요한 요소 중 하나로 떠오르게 되었다. CNN 가속기의 내부 구성을 몇 가지로 나눈다면 연산을 위한 Multiplier-Accumulator (MAC unit), 데이터 저장을 위한 SRAM, 데이터 이동을 위한 메모리 인터페이스 그리고 제어 로직으로 구분할 수 있다. 다양한 CNN 가속기들의 경우, 각기 다른 공정과 동작 주파수를 기준으로 제안되었으며, 또한 아키텍처 형태에 따라 내부 MAC unit의 수와 SRAM의 크기가 매우 큰 차이를 갖는 형태로 구성되어있다. 각 가속기들의 기본 사양으로 면적, 에너지, 성능을 비교하였을 때는 공정이나 동작 주파수 등 여러 조건들에 의해서 아키텍처에 따른 정량적인 비교가 용이하지 않게 된다. 따라서, 본 논문에서는 다양한 CNN 가속기에서 여러 조건들을 동일하게 재구성하였을 때, ResNet-50 추론 동작 시에 요구되는 면적, 에너지, 성능을 비교하여 아키텍처의 특징과 경향성을 분석하였다.

The Convolution Neural Network accelerator has emerged as an important element in the AI era. The primary components of a CNN accelerator include the Multiplier-Accumulator (MAC unit) for calculation, SRAM for data storage, memory interface for data movement, and control logic. Different CNN accelerators have been designed based on different assumptions regarding the process technologies and operating frequencies. In addition, the number of internal MAC units and the size of SRAM vary substantially between different types of architectures. These factors make it difficult to design a fair comparison of the area, energy, and performance of different CNN accelerators. In this paper, we attempt to compare the area, energy, and performance of different CNN accelerator architectures by constructing them all with the same fabrication process and operating frequency while making inferences using the ResNet-50 network.
#CNN 가속기 #아키텍처 #메모리 대역폭 #뉴럴 네트워크 #CNN accelerators #architecture #memory bandwidth #neural networks

목차

요약
Abstract
1. 서론
2. 본론
3. 결론 및 향후 연구방향
References

참고문헌 (8)

참고문헌 신청
Y.-H. Chen, T. Krishna, J. S. Emer, and V. Sze, "Eyeriss: An energy-efficient reconfigurable accelerator for deep convolutional neural networks," IEEE journal of solid-state circuits, Vol. 52, No. 1, pp. 127-138, 2016. google schola NVIDIA, The NVIDIA Deep Learning Accelerator, Available at http://nvdla.org/, 2018. google schola N. P. Jouppi et al., "In-datacenter performance analysis of a tensor processing unit," Proc. of the 44th Annual International Symposium on Computer Architecture, pp. 1-12, 2017. google schola A. Parashar et al., "Timeloop: A systematic approach to dnn accelerator evaluation," 2019 IEEE International Symposium on Performance Analysis of Systems and Software (ISPASS), pp. 304-315, 2019. google schola Synopsys, Synopsys Armenian Education Department (SAED) 32nm Generic Library, Available at https://www.synopsys.com/. google schola

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이 논문과 함께 이용한 논문

100kW급 염전공존형 수중태양광 발전시스템 개발 및 실증
김봉석 ,  강성현 ,  유선호 외 1명 대한전기학회 학술대회 논문집 2020.11
머신러닝 기반의 실내 채광환경 인식 방안
김남열 ,  석강원 ,  양정현 외 2명 대한기계학회 춘추학술대회 2020.12
비속어 추출 기반 웹사이트 접속 제한 시스템
김종우 ,  이선정 Journal of KIISE 2019.12
태양광전원 임베디드장치를 위한 적응적 에너지관리 시스템
이용석 ,  박문주 정보과학회 컴퓨팅의 실제 논문지 2019.05
단절시간과 회복시간에 기반한 다중 기준 수직적 핸드오프 알고리즘
정현진 ,  최승식 한국정보기술학회논문지 2018.04

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2021-569-001489996