DCNNに最適なCGRAの探索と予備評価

摘要

Deep Learningにより機械学習の性能が大きく向上しており，画像認識の精度では，人間以上の精度が実現されている．この高精度な画像認識技術は，様々な分野での活用が見込まれている．しかし，Deep Learningを用いた画像認識で標準的に使用されるDCNNは，非常に計算量が多いため，高性能な計算機が必要である．高性能な計算機が搭載できない組み込み機器へ，この画像認識技術を搭載するために，低消費電力で高性能を狙ったCGRA型のアクセラレータであるEMAXV［1］をベースに，DCNN最適なCGRAを探索し，予備評価を行った．評価によって得られた結果から，さらに探索を進め，ARM Coretex-A9のデュアルコアに比べて40倍，Vivante GC2000＋に比ベて11倍，Xilinx Zynq（Z-7020）のFPGA部に高位合成を使用して演算処理回埠を実装したものに比べて6倍の性能が出せることを見積もりにより確認した．