2023 Fiscal Year Annual Research Report
A study of dynamic distributed parallel pipeline processing
| Project/Area Number |
18K04287
|
|---|
| Research Institution | Okayama Prefectural University |
|---|
Principal Investigator |
有本 和民 岡山県立大学, 情報工学部, 特任教授 (10501223)
|
|---|
| Project Period (FY) |
2018-04-01 – 2024-03-31
|
| Keywords | ニューラルネットワーク / FPAG / 並列パイプライン / エッジデバイス / IoT |
|---|
| Outline of Annual Research Achievements |
本研究は、エッジデバイスで低消費電力・低レイテンシのニューラルネットワーク推論処理を実行するために、高い電力効率のFPGAデバイスを使った推論処理アクセラレータによるソリューションとハードウェアプラットフォーム基盤技術を確立することを目的とする。
特に、FPGAハードウェアに適した組み込み用ニューラルネットアーキテクチャを検討し、同FPGAに推論処理アクセラレータを実装する。FPGAへの実装方式の違いによって処理スループットと実行時消費電力が変化することを検証し、アプリケーションを想定したシステム性能を評価することで、組み込み用ニューラルネットアーキテクチャの有用性を示す。
当初の計画では、車載応用等の画像認識を想定アプリケーションとして、行列式計算に代表されるMAC演算を主な対象としていたが、IoT (Internet of Things) の普及にともない、多種多様なセンシングデータの収集や、収集したデータの精緻な分析の重要性がますます高まってきている背景を鑑むとともに、センシングデータから有為な知見を得る方法として機械学習が飛躍的に注目されてきて、将来的に10億台以上にまで増加すると予想されるIoTエッジデバイスの普及を考慮して、想定アプリケーションをエッジ側でデータ収集・分析する低消費電力・低レイテンシのAIシステムとして、研究開発を推進した。
実際の研究開発においては、推論処理アクセラレータとしてXilinx ZCU102開発キット環境を使用し、センシングデータ用のニューラルネットワーク モデルについて組み込み用アーキテクチャを検討し、FPGAへの実装方式について性能と電力の比較調査を行った。回路実装時の並列パイプライン化によって処理性能を10倍以上に向上させることができた。この結果から、枝刈と並列パイプライン化との親和性は高いことを明らかにした。
|
