가변 bitwidth window 기반 mixed precision quantization 방법
저자
발행사항
서울 : 성균관대학교 일반대학원, 2021
학위논문사항
학위논문(석사)-- 성균관대학교 일반대학원 : 전자전기컴퓨터공학과 2021. 8
발행연도
2021
작성언어
한국어
주제어
발행국(도시)
서울
기타서명
Mixed precision quantization using variable bitwidth window
형태사항
iv, 40 p. : 삽화, 표 ; 30 cm
일반주기명
지도교수: 신동군
참고문헌 : p. 33-39
UCI식별코드
I804:11040-000000165931
DOI식별코드
소장기관
Deep Neural Network(DNN)는 연산량, 스토리지, 메모리 footprint 등 리소스 요구량이 높아 컴퓨팅 리소스가 작은 기기들에서 수행하기 어렵다. Quantization은 DNN 모델의 리소스 요구량을 낮추면서 추론 정확도를 유지하기 위해 쓰인다. 한정된 자원을 더 효율적으로 쓰기 위해 mixed-precision quantization 기법은 모델 내 tensor의 중요도에 따라 서로 다른 bitwidth를 할당한다. 기존 differentiable mixed-precision quantization 방법들은 트레이닝 시점에 실수 bitwidth 또는 복수 bitwidth의 확률값이 최종 결과로 나오도록 하는 탐색 방법을 사용하였기 때문에 추론 시점에 맞는 최적의 mixed precision을 찾지 못하였다. 본 논문은 가변 window size를 이용한 bitwidth window 기반 quantized value interpolation 방법을 소개한다. 또한 트레이닝 시점과 추론 시점 모델의 일관성을 만족시키는 bitwidth regularizer를 제안한다. 실험적으로 기존 FracBits 방법 대비 Top-1 에러율을 CIFAR-10에서 1.06%, CIFAR-100에서 3.89% 감소시켰다.
더보기Deep Neural Network (DNN) is difficult to execute on devices with low computing resources due to high resource requirements such as computational complexity, storage size, and memory footprint. Quantization is used to maintain performance while decreasing the resource requirements of the DNN model. Mixed precision quantization methods have been proposed in which resources are concentrated in consideration of the importance of each layer in order to use limited resources more efficiently. Existing differentiable mixed precision methods could not find optimal mixed precision by using a search strategy that allows real bitwidths or multiple bitwidths at the end of the training time. This paper proposes a window-based interpolation method using a configurable window size and a bitwidth regularizer that simulates the integer bitwidth constraint of inference time model. Experimentally, we reduced the Top-1 error rate of ResNet-20 by 1.06% on CIFAR-10, and 3.89% on CIFAR-100 compared to the existing FracBits method.
더보기분석정보
서지정보 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)