S3NAS: Fast NPU-aware Neural Architecture Search Methodology = S3NAS: NPU 친화적 뉴럴 네트워크를 빠르게 탐색하는 기법
저자
발행사항
서울 : 서울대학교 대학원, 2021
학위논문사항
학위논문(석사)-- 서울대학교 대학원 : 컴퓨터공학부 2021. 2
발행연도
2021
작성언어
영어
주제어
DDC
621.39
발행국(도시)
서울
형태사항
vi, 37 ; 26 cm
일반주기명
지도교수: 하순회
UCI식별코드
I804:11032-000000165328
DOI식별코드
소장기관
As the application area of convolutional neural networks (CNN) is growing in embedded devices, it becomes popular to use a hardware CNN accelerator, called neural processing unit (NPU), to achieve higher performance per watt than CPUs or GPUs. Recently, automated neural architecture search (NAS) emerges as the default technique to find a state-of-the-art convolutional neural network (CNN) architecture with higher accuracy than manually-designed architectures for image classification. In this paper, we present a fast NPU-aware NAS methodology, called S3NAS, reflecting the latest research results. It consists of three steps: supernet design, our modified Single-Path NAS for fast architecture exploration, scaling and post-processing. First, we design a novel supernet, an over-parameterized network containing candidate networks, to obtain better CNN on the target NPU. We assign the number of blocks to each stage differently from conventional One-Shot NAS methods, and add depthwise convolution with multiple kernel sizes (MixConv) to the search space. Next, for a fast neural architecture search, we apply a modified Single-Path NAS technique to the proposed supernet structure. In this step, we assume a shorter latency constraint than the required to reduce the search space and the search time. The last step is to scale up the network maximally within the latency constraint. With the proposed methodology, we are able to find a network in 4 hours using TPUv3, which shows 82.70% top-1 accuracy on ImageNet with 11.63 ms latency. Search code is released at https://github.com/cap-lab/S3NAS
더보기임베디드 기기에서 컨볼루션 신경망 (CNN) 기반의 딥러닝 응용이 늘어남에 따라, CPU나 GPU보다 와트당 성능이 더 높은, 뉴럴 프로세싱 유닛 (NPU)이라고 불리는 CNN 하드웨어 가속기가 인기를 얻고 있다. 최근에는, 자동 신경망 구조 탐색 (NAS)이 등장해 인간이 설계한 신경망 구조보다 더 높은 성능을 보이는 최첨단 컨볼루션 신경망 (CNN) 구조를 찾는 기술로 널리 쓰이고 있다. 본 논문에서는 최신 연구 결과들을 반영해, S3NAS라는 빠른 NPU 친화적 신경망 구조 탐색 기법을 제안한다. S3NAS는 세 가지 단계로 구성된다. 첫째, supernet이라고 불리는, 후보 신경망 구조를 모두 포함하는 신경망을 새롭게 디자인한다. 각 stage에 할당되는 block의 개수를 기존 One-Shot NAS 기법들과는 다르게 디자인했고, MixConv라고 불리는, 여러 종류의 커널 크기를 가진 depthwise convolution을 탐색 공간에 추가했다. 다음으로, 빠른 탐색을 위해, 수정된 Single-Path NAS를 제안된 supernet에 적용한다. 이때, 탐색 공간과 시간을 줄이기 위해, 제약 시간 조건을 짧게 설정하여 탐색한다. 마지막으로, 원하는 제약 시간 조건에 맞도록 탐색 된 신경망 구조의 크기를 키운다. 제안된 방법론을 사용하면 TPUv3를 사용하여 4시간 만에, ImageNet에서 82.7% 정확도와 11.63ms 지연 시간을 나타내는 신경망 구조를 찾을 수 있다. 탐색 코드는 https://github.com/cap-lab/S3NAS에 공개되었다.
더보기서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)