深層畳込みニューラルネットワークに向けたデータ流再構成型演算器アレイアーキテクチャ

摘要

近年、畳込みニューラルネットワーク（CNN）による大規模な機械学習が急速な発展を見せ、主に画像認識の分野で成果を挙げている。CNN は非常に演算量が大きく、旧来の CPU による逐次処理では膨大な時間を要するため、種々のハードウェアアクセラレータが提案されている。しかしそれらは CNN の二大要素である畳込み層と全結合層の処理内容の差異に起因して汎用性に問題がある。そこで本研究では単純な演算素子を多数並列して広帯域のバスで結び、各処理に応じて制御することで様々な CNN の畳込み層と全結合層の処理に対応できるアクセラレータを提案する。