| 1 |
1
(a) 데이터 그룹핑부가 딥 러닝으로 학습화된 데이터를 입력받아 동시에 페치하는 형태가 다른 가속기 회로에 맞춤형으로 소정의 축을 따라 일정 크기로 그룹핑하는 단계; 및(b) 가지 치기부가 상기 그룹핑된 데이터를 입력받아, 가중치 중에서 일정 개수는 '0'이 아닌 가중치를 유지하고, 나머지 개수는 '0'인 가중치가 되도록 가지 치기하는 단계; 를 포함하고,상기 (b) 단계는상기 가지 치기부가 모든 가중치 페칭 그룹을 m 개의 가지 치기 그룹으로 나누는 단계;상기 가지 치기 그룹의 크기(g)가 활성화 개수(Npar)/ 상기 가지 치기 그룹 개수(m)로 되는 단계; 및 상기 가지 치기 그룹이 상기 일정 개수의 '0'이 아닌 가중치를 가지도록 상기 가지 치기를 수행하는 단계; 를 포함하며,상기 소정의 축은 채널 축, 필터 축, 공간 축 중 어느 하나이며, 상기 가속기 회로는 주문형 반도체 가속기 또는 필드 프로그래머블 게이트 어레이 가속기인 것을 특징으로 하는,컨볼루션 신경망을 위한 가속기 인식 가지 치기 방법
|
| 2 |
2
(a) 데이터 그룹핑부가 딥 러닝으로 학습화된 데이터를 입력받아, 동시에 페치하는 형태가 다른 가속기 회로에 맞추어 소정의 축을 따라 일정 크기로 그룹핑하는 단계; (b) 가지 치기부가 상기 그룹핑된 데이터를 입력받아, 가중치 중에서 일정 개수는 '0'이 아닌 가중치를 유지하고, 나머지 개수는 '0'인 가중치가 되도록 가지 치기하는 단계; (c) 상기 (a) 단계보다 상기 '0'이 아닌 가중치가 적은 신경망이 생성되는 단계; 및(d) 재학습부에 의해 상기 '0'이 된 가중치는 '0'을 유지하면서 상기 가지 치기된 데이터에 재학습 과정이 수행되어, 상기 (a) 단계보다 상기 '0'이 아닌 가중치가 적고 검증 정확도가 복구된 신경망이 획득되는 단계;를 포함하고,상기 (b) 단계는상기 가지 치기부가 모든 가중치 페칭 그룹을 m 개의 가지 치기 그룹으로 나누는 단계;상기 가지 치기 그룹의 크기(g)가 활성화 개수(Npar)/ 상기 가지 치기 그룹 개수(m)로 되는 단계; 및 상기 가지 치기 그룹이 상기 일정 개수의 '0'이 아닌 가중치를 가지도록 상기 가지 치기를 수행하는 단계; 를 포함하며,상기 소정의 축은 채널 축, 필터 축, 공간 축 중 어느 하나이며, 상기 가속기 회로는 주문형 반도체 가속기 또는 필드 프로그래머블 게이트 어레이 가속기인 것을 특징으로 하는,컨볼루션 신경망을 위한 가속기 인식 가지 치기 방법
|
| 3 |
3
(a) 데이터 그룹핑부가 딥 러닝으로 학습화된 데이터를 입력받아 동시에 페치하는 형태가 다른 가속기 회로에 맞춤형으로 소정의 축을 따라 일정 크기로 그룹핑하는 단계; 및(b) 가지 치기부가 상기 그룹핑된 데이터를 입력받아, 가중치 중에서 일정 개수는 '0'이 아닌 가중치를 유지하고, 나머지 개수는 '0'인 가중치가 되도록 가지 치기하는 단계; 를 포함하고,상기 (b) 단계는상기 가지 치기부가 모든 가중치 페칭 그룹을 m 개의 가지 치기 그룹으로 나누는 단계;상기 가지 치기 그룹의 크기(g)가 활성화 개수(Npar)/ 상기 가지 치기 그룹 개수(m)로 되는 단계; 및 상기 가지 치기 그룹이 상기 일정 개수의 '0'이 아닌 가중치를 가지도록 상기 가지 치기를 수행하는 단계; 를 포함하며,상기 소정의 축은 채널 축, 필터 축, 공간 축 중 어느 하나이며,상기 가속기 회로는 주문형 반도체 가속기 또는 필드 프로그래머블 게이트 어레이 가속기이고,상기 '0'이 아닌 가중치만 가중치 메모리에 저장하는 것을 특징으로 하는,컨볼루션 신경망을 위한 가속기 인식 가지 치기 방법
|
| 4 |
4
(a) 멀티플렉서, 곱셈기, 가산기 및 누적기를 포함하는 가속기 인식용 컨볼루션 신경망을 위한 가지 치기 방법에 있어서,데이터 그룹핑부가 딥 러닝으로 학습화된 데이터를 입력받아 동시에 페치하는 형태가 다른 가속기 회로에 맞춤형으로 소정의 축을 따라 일정 크기로 그룹핑하는 단계; 및(b) 가지 치기부가 상기 그룹핑된 데이터를 입력받아, 가중치 중에서 일정 개수는 '0'이 아닌 가중치를 유지하고, 나머지 개수는 '0'인 가중치가 되도록 가지 치기하는 단계; 를 포함하고,상기 (b) 단계는상기 가지 치기부가 모든 가중치 페칭 그룹을 m 개의 가지 치기 그룹으로 나누는 단계;상기 가지 치기 그룹의 크기(g)가 활성화 개수(Npar)/ 상기 가지 치기 그룹 개수(m)로 되는 단계; 및 상기 가지 치기 그룹이 상기 일정 개수의 '0'이 아닌 가중치를 가지도록 상기 가지 치기를 수행하는 단계; 를 포함하며,상기 소정의 축은 채널 축, 필터 축, 공간 축 중 어느 하나이며,상기 가속기 회로는 주문형 반도체 가속기 또는 필드 프로그래머블 게이트 어레이 가속기이고,상기 곱셈기는 상기 '0'이 아닌 가중치와 상기 '0'이 아닌 가중치와 관련된 활성화 데이터를 입력받는 것을 특징으로 하는,컨볼루션 신경망을 위한 가속기 인식 가지 치기 방법
|
| 5 |
5
(a) 데이터 그룹핑부가 딥 러닝으로 학습화된 데이터를 입력받아, 동시에 페치하는 형태가 다른 가속기 회로에 맞추어 소정의 축을 따라 일정 크기로 그룹핑하는 단계; (b) 가지 치기부가 상기 그룹핑된 데이터를 입력받아, 가중치 중에서 일정 개수는 '0'이 아닌 가중치를 유지하고, 나머지 개수는 '0'인 가중치가 되도록 가지 치기하는 단계; (c) 상기 (a) 단계보다 상기 '0'이 아닌 가중치가 적은 신경망이 생성되는 단계; 및(d) 재학습부에 의해 상기 '0'이 된 가중치는 '0'을 유지하면서 상기 가지 치기된 데이터에 재학습 과정이 수행되어, 상기 (a) 단계보다 상기 '0'이 아닌 가중치가 적고 검증 정확도가 복구된 신경망이 획득되는 단계;를 포함하고,상기 (b) 단계는상기 가지 치기부가 모든 가중치 페칭 그룹을 m 개의 가지 치기 그룹으로 나누는 단계;상기 가지 치기 그룹의 크기(g)가 활성화 개수(Npar)/ 상기 가지 치기 그룹 개수(m)로 되는 단계; 및 상기 가지 치기 그룹이 상기 일정 개수의 '0'이 아닌 가중치를 가지도록 상기 가지 치기를 수행하는 단계; 를 포함하며,상기 소정의 축은 채널 축, 필터 축, 공간 축 중 어느 하나이며, 상기 가속기 회로는 주문형 반도체 가속기 또는 필드 프로그래머블 게이트 어레이 가속기인 것을 특징으로 하는,컨볼루션 신경망을 위한 가속기 인식 가지 치기 방법을 실행하기 위한 프로그램이 기록되어 컴퓨터로 판독가능한 기록매체
|
