@techreport{oai:ipsj.ixsq.nii.ac.jp:00186407,
 author = {飯塚, 健介 and 武者, 千嵯 and 天野, 英晴 and Kensuke, Iizuka and Kazusa, Musha and hideharu, Amano},
 issue = {33},
 month = {Feb},
 note = {高精度な画像認識や，物体検出を実現する畳み込みニューラルネットワーク (CNN : Convolutional Neural Network) は一躍注目されている．CNN は認識精度向上を目指し様々なモデルが提案されているが，計算量が増加する傾向にあり，より効率的な演算処理が求められている．しかし，汎用プロセッサではその要求を満たすことが困難なため，専用のアクセラレータの需要が高まっている．日本でも国立研究開発法人新エネルギー ・ 産業技術開発機構 (NEDO) が複数の FPGA，GPU，メモリなどの異種ノードを接続した大規模人工知能計算基盤 Flow-in-Clowd (FiC) を開発している．FPGA ノードは多数の高速リンクが接続され，FiC の高速通信のスイッチングを担う．FiC システムにおいて主演算を行うのは GPU ノードであるが，FPGA ノードもスイッチを実装した上で余った計算資源を利用して AI エンジンとしての役割を担うことができる．本研究ではマルチ FPGA システムに CNN モデルの 1 つであるGoogLeNet を実装し，評価することで GoogLeNet の高速化を図るとともに，マルチ FPGA システムの深層学習アクセラレータとしての活用ができるかを検討する．GoogLeNet が持つネットワークモデル特有の計算並列性，畳込み演算の計算並列性を利用したマルチFPGAシステムへの実装を行った結果，シミュレーション上で CPU の約 9.1 倍の高速化を達成した．},
 title = {マルチFPGA上でのGoogLeNet実装},
 year = {2018}
}