{"created":"2025-01-19T01:11:39.903296+00:00","updated":"2025-01-19T18:09:39.718010+00:00","metadata":{"_oai":{"id":"oai:ipsj.ixsq.nii.ac.jp:00210443","sets":["1164:2036:10484:10562"]},"path":["10562"],"owner":"44499","recid":"210443","title":["PYNQクラスタ上でのResNetの並列実装（2020年2月17日版）"],"pubdate":{"attribute_name":"公開日","attribute_value":"2021-03-18"},"_buckets":{"deposit":"cf38bfc0-4a94-4e72-ac12-e3afb28c47b3"},"_deposit":{"id":"210443","pid":{"type":"depid","value":"210443","revision_id":0},"owners":[44499],"status":"published","created_by":44499},"item_title":"PYNQクラスタ上でのResNetの並列実装（2020年2月17日版）","author_link":["532781","532779","532780"],"item_titles":{"attribute_name":"タイトル","attribute_value_mlt":[{"subitem_title":"PYNQクラスタ上でのResNetの並列実装（2020年2月17日版）"},{"subitem_title":"Parallel Implementation of ResNet on PYNQ Cluster (version 2020/2/17)","subitem_title_language":"en"}]},"item_keyword":{"attribute_name":"キーワード","attribute_value_mlt":[{"subitem_subject":"機械学習","subitem_subject_scheme":"Other"}]},"item_type_id":"4","publish_date":"2021-03-18","item_4_text_3":{"attribute_name":"著者所属","attribute_value_mlt":[{"subitem_text_value":"現在，慶應義塾大学"},{"subitem_text_value":"現在，慶應義塾大学"},{"subitem_text_value":"現在，慶應義塾大学"}]},"item_4_text_4":{"attribute_name":"著者所属(英)","attribute_value_mlt":[{"subitem_text_value":"Presently with Keio University","subitem_text_language":"en"},{"subitem_text_value":"Presently with Keio University","subitem_text_language":"en"},{"subitem_text_value":"Presently with Keio University","subitem_text_language":"en"}]},"item_language":{"attribute_name":"言語","attribute_value_mlt":[{"subitem_language":"jpn"}]},"item_publisher":{"attribute_name":"出版者","attribute_value_mlt":[{"subitem_publisher":"情報処理学会","subitem_publisher_language":"ja"}]},"publish_status":"0","weko_shared_id":-1,"item_file_price":{"attribute_name":"Billing file","attribute_type":"file","attribute_value_mlt":[{"url":{"url":"https://ipsj.ixsq.nii.ac.jp/record/210443/files/IPSJ-SLDM21194043.pdf","label":"IPSJ-SLDM21194043.pdf"},"date":[{"dateType":"Available","dateValue":"2023-03-18"}],"format":"application/pdf","billing":["billing_file"],"filename":"IPSJ-SLDM21194043.pdf","filesize":[{"value":"1.0 MB"}],"mimetype":"application/pdf","priceinfo":[{"tax":["include_tax"],"price":"660","billingrole":"5"},{"tax":["include_tax"],"price":"330","billingrole":"6"},{"tax":["include_tax"],"price":"0","billingrole":"10"},{"tax":["include_tax"],"price":"0","billingrole":"44"}],"accessrole":"open_date","version_id":"c414fee7-f403-42cd-aa56-b4ada2180c53","displaytype":"detail","licensetype":"license_note","license_note":"Copyright (c) 2021 by the Information Processing Society of Japan"}]},"item_4_creator_5":{"attribute_name":"著者名","attribute_type":"creator","attribute_value_mlt":[{"creatorNames":[{"creatorName":"福嶋, 泰優"}],"nameIdentifiers":[{}]},{"creatorNames":[{"creatorName":"飯塚, 健介"}],"nameIdentifiers":[{}]},{"creatorNames":[{"creatorName":"天野, 英晴"}],"nameIdentifiers":[{}]}]},"item_4_source_id_9":{"attribute_name":"書誌レコードID","attribute_value_mlt":[{"subitem_source_identifier":"AA11451459","subitem_source_identifier_type":"NCID"}]},"item_4_textarea_12":{"attribute_name":"Notice","attribute_value_mlt":[{"subitem_textarea_value":"SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc."}]},"item_resource_type":{"attribute_name":"資源タイプ","attribute_value_mlt":[{"resourceuri":"http://purl.org/coar/resource_type/c_18gh","resourcetype":"technical report"}]},"item_4_source_id_11":{"attribute_name":"ISSN","attribute_value_mlt":[{"subitem_source_identifier":"2188-8639","subitem_source_identifier_type":"ISSN"}]},"item_4_description_7":{"attribute_name":"論文抄録","attribute_value_mlt":[{"subitem_description":"深層学習アプリケーションの実装では，演算コストと電力コストを抑えるため，省電力性と柔軟性に優れる FPGA（Field-Programmable Gate Array）がプラットフォームとしてよく選ばれている．しかし，深層学習アプリケーションは計算量とパラメータ数が非常に大きく，単一 FPGA での実装ではハイエンドで高価な FPGA を用いなければならない傾向にある．特に畳み込みニューラルネットワークは計算量が膨大であり，その傾向はより顕著なものとなる．我々の研究室では，M-KUBOS と呼ばれる価格性能比に優れた Zynq ボードに PYNQ（Python productivity for Zynq）と呼ばれるオープンソース・ソフトウェア・プラットフォームを導入し，低コストかつ高性能な GTH シリアルリンクで接続することで構成される PYNQ クラスタの開発を行っている．PYNQ クラスタは MEC のサーバとして，5G モバイルネットワークなどへの利用が期待される．現在は 4 枚の M-KUBOS ボードを接続し，群管理することでクラスタを構築している．本稿では，4 枚の M-KUBOS ボードを接続して形成した PYNQ クラスタに ResNet-18 の推論アクセラレータを実装する手法を提案する．ResNet-18 の各層の実行時間を求めることで，ボードごとの実行時間が可能な限り等しくなるよう 4 ボードに分割し，それぞれをパイプラインの 1 ステージとして並列処理を行うよう実装した．分割以外に，重みと特徴マップを量子化することでリソースを節約し，畳み込み演算の多重ループを入力チャネルと出力チャネルでアンロールすることで演算を並列実行し，さらなる高速化を図った．また，ダブルバッファリングを用いることで，計算に用いるパラメータを外部メモリからフェッチする時間を隠蔽するようにした．本実装は，158GOPS の性能，スループット 87.0FPS，電力効率 3.21GOPS/W を達成し，GPU 実装との比較では性能，電力効率で劣ったものの，CPU 実装との比較では性能は 1.16 倍，電力効率は 6.55 倍となった．","subitem_description_type":"Other"}]},"item_4_biblio_info_10":{"attribute_name":"書誌情報","attribute_value_mlt":[{"bibliographicPageEnd":"8","bibliographic_titles":[{"bibliographic_title":"研究報告システムとLSIの設計技術（SLDM）"}],"bibliographicPageStart":"1","bibliographicIssueDates":{"bibliographicIssueDate":"2021-03-18","bibliographicIssueDateType":"Issued"},"bibliographicIssueNumber":"43","bibliographicVolumeNumber":"2021-SLDM-194"}]},"relation_version_is_last":true,"weko_creator_id":"44499"},"id":210443,"links":{}}