論文の概要: Effective Algorithm-Accelerator Co-design for AI Solutions on Edge
Devices
- arxiv url: http://arxiv.org/abs/2010.07185v2
- Date: Thu, 15 Oct 2020 13:56:51 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-07 14:32:05.766653
- Title: Effective Algorithm-Accelerator Co-design for AI Solutions on Edge
Devices
- Title(参考訳): エッジデバイス上のAIソリューションのための効果的なアルゴリズムアクセラレータ共設計
- Authors: Cong Hao, Yao Chen, Xiaofan Zhang, Yuhong Li, Jinjun Xiong, Wen-mei
Hwu and Deming Chen
- Abstract要約: 高品質なAIソリューションは、ディープニューラルネットワーク(DNN)やハードウェアアクセラレータなど、AIアルゴリズムの共同最適化を必要とする。
全体的なソリューション品質を向上させるとともに、設計生産性を高めるためには、効率的なアルゴリズムとアクセラレーター共設計手法が不可欠である。
本稿では,アルゴリズムアクセラレータの共同設計の重要性と有効性を強調し,この興味深く要求の多い領域におけるさらなる研究のブレークスルーを求める。
- 参考スコア(独自算出の注目度): 42.07369847938341
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: High quality AI solutions require joint optimization of AI algorithms, such
as deep neural networks (DNNs), and their hardware accelerators. To improve the
overall solution quality as well as to boost the design productivity, efficient
algorithm and accelerator co-design methodologies are indispensable. In this
paper, we first discuss the motivations and challenges for the
Algorithm/Accelerator co-design problem and then provide several effective
solutions. Especially, we highlight three leading works of effective co-design
methodologies: 1) the first simultaneous DNN/FPGA co-design method; 2) a
bi-directional lightweight DNN and accelerator co-design method; 3) a
differentiable and efficient DNN and accelerator co-search method. We
demonstrate the effectiveness of the proposed co-design approaches using
extensive experiments on both FPGAs and GPUs, with comparisons to existing
works. This paper emphasizes the importance and efficacy of
algorithm-accelerator co-design and calls for more research breakthroughs in
this interesting and demanding area.
- Abstract(参考訳): 高品質なAIソリューションには、ディープニューラルネットワーク(DNN)やハードウェアアクセラレータといったAIアルゴリズムの共同最適化が必要である。
ソリューション全体の品質を向上させると同時に,設計の生産性を高めるためには,効率的なアルゴリズムとアクセルの共同設計手法が不可欠である。
本稿ではまず,アルゴリズム/加速器の共設計問題に対する動機と課題について論じ,その上でいくつかの効果的な解決策を提供する。
特に、効果的な共同設計手法の3つの主要な成果を強調する。
1)最初の同時DNN/FPGA共設計法
2 双方向軽量DNN及び加速器共同設計方法
3) 微分可能かつ効率的なdnnおよび加速器共探索法。
FPGAとGPUの双方で広範囲な実験を行い,提案手法の有効性を実証し,既存手法との比較を行った。
本稿では,アルゴリズムアクセラレータの共同設計の重要性と有効性を強調し,この興味深く要求の多い領域におけるさらなる研究のブレークスルーを求める。
関連論文リスト
- An Efficient Learning-based Solver Comparable to Metaheuristics for the
Capacitated Arc Routing Problem [67.92544792239086]
我々は,高度メタヒューリスティックスとのギャップを著しく狭めるため,NNベースの解法を導入する。
まず,方向対応型注意モデル(DaAM)を提案する。
第2に、教師付き事前学習を伴い、堅牢な初期方針を確立するための教師付き強化学習スキームを設計する。
論文 参考訳(メタデータ) (2024-03-11T02:17:42Z) - Hybrid ACO-CI Algorithm for Beam Design problems [0.4397520291340694]
The novel hybrid version of the Ant colony optimization (ACO) method was developed using the sample space reduction technique of the Cohort Intelligence (CI) algorithm。
提案した研究は、工学領域や医療問題を含む現実世界の応用について検討することができる。
論文 参考訳(メタデータ) (2023-03-29T04:37:14Z) - High-Speed Resource Allocation Algorithm Using a Coherent Ising Machine
for NOMA Systems [3.6406488220483326]
NOMA手法の有効性を十分に活用する上で重要な課題は、リソース割り当ての最適化である。
NOMAシステムにおけるチャネル割り当てのためのコヒーレントIsing Machine(CIM)に基づく最適化手法を提案する。
提案手法は, 高速化と最適解の両面において優れていることを示す。
論文 参考訳(メタデータ) (2022-12-03T09:22:54Z) - An Overview and Experimental Study of Learning-based Optimization
Algorithms for Vehicle Routing Problem [49.04543375851723]
車両ルーティング問題(VRP)は典型的な離散最適化問題である。
多くの研究は、VRPを解決するための学習に基づく最適化アルゴリズムについて検討している。
本稿では、最近のこの分野の進歩を概観し、関連するアプローチをエンドツーエンドアプローチとステップバイステップアプローチに分割する。
論文 参考訳(メタデータ) (2021-07-15T02:13:03Z) - Auto-NBA: Efficient and Effective Search Over the Joint Space of
Networks, Bitwidths, and Accelerators [29.72502711426566]
本稿では,ネットワーク,ビット幅,アクセラレータを共同で検索するためのAuto-NBAというフレームワークを提案する。
本フレームワークは,各ターゲットデータセットとアクセラレーション仕様の巨大な共同設計空間内で,最適設計を効率的にローカライズする。
われわれのAuto-NBAは、ネットワークとアクセラレーターが一貫して最先端の設計を上回っている。
論文 参考訳(メタデータ) (2021-06-11T18:54:29Z) - 3U-EdgeAI: Ultra-Low Memory Training, Ultra-Low BitwidthQuantization,
and Ultra-Low Latency Acceleration [8.419854797930668]
エッジ上のディープニューラルネットワーク(DNN)ベースのAIアプリケーションは、低コストのコンピューティングプラットフォームと高品質なサービスの両方を必要とする。
本稿では、トレーニング、量子化、加速器設計の重要性を強調し、エッジ上のAI分野におけるさらなる研究のブレークスルーを求める。
論文 参考訳(メタデータ) (2021-05-11T03:22:30Z) - A Two-stage Framework and Reinforcement Learning-based Optimization
Algorithms for Complex Scheduling Problems [54.61091936472494]
本稿では、強化学習(RL)と従来の運用研究(OR)アルゴリズムを組み合わせた2段階のフレームワークを開発する。
スケジューリング問題は,有限マルコフ決定過程 (MDP) と混合整数計画過程 (mixed-integer programming process) の2段階で解決される。
その結果,本アルゴリズムは,アジャイルな地球観測衛星スケジューリング問題に対して,安定かつ効率的に十分なスケジューリング計画を得ることができた。
論文 参考訳(メタデータ) (2021-03-10T03:16:12Z) - Towards Optimally Efficient Tree Search with Deep Learning [76.64632985696237]
本稿では,線形モデルから信号整数を推定する古典整数最小二乗問題について検討する。
問題はNPハードであり、信号処理、バイオインフォマティクス、通信、機械学習といった様々な応用でしばしば発生する。
本稿では, 深いニューラルネットワークを用いて, 単純化されたメモリバウンドA*アルゴリズムの最適推定を推定し, HATSアルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-01-07T08:00:02Z) - NOMA in UAV-aided cellular offloading: A machine learning approach [59.32570888309133]
複数の無人航空機(UAV)によるセルローディングのための新しい枠組みの提案
非直交多重アクセス(NOMA)技術は、無線ネットワークのスペクトル効率をさらに向上するために、各UAVに採用されている。
相互深いQ-network (MDQN) アルゴリズムは,UAVの最適3次元軌道と電力配分を共同で決定するために提案される。
論文 参考訳(メタデータ) (2020-10-18T17:38:48Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。