KCI우수등재
역제곱 비균일 양자화 기법을 활용한 심층신경망의 에너지 효율성 개선 = Exploiting Inverse Power of Two Non-Uniform Quantization Method to Increase Energy Efficiency in Deep Neural Networks
저자
발행기관
학술지명
권호사항
발행연도
2020
작성언어
Korean
주제어
등재정보
KCI우수등재
자료형태
학술저널
발행기관 URL
수록면
27-35(9쪽)
KCI 피인용횟수
1
DOI식별코드
제공처
소장기관
DNN's computational complexity makes it difficult for application to embedded devices of limited resources because the deep learning requires high performance computing power and consumes considerable energy. To mitigate this, this paper proposes an energy-efficient Inverse Power of Two(IPow2) nonuniform quantization technique to induce more sparsity than the existing quantization methods while reducing precision of weights, resulting in the reduction of computational complexity as well as energy consumption in DNN. Accuracy and energy efficiency of the proposed IPow2 are quantitatively validated by executing image classification task with data sets of CIFAR- 10/ImageNet through implementing the quantized AlexNet/VGGNet models of a variety of mapping policies. Experimental results show that the proposed IPow2 method consumes less energy by 63.2% and 66.5% while achieving minor accuracy loss by 2.2% and 2.5% respectively compared with the full precision one, in case of two-bits quantization in the AlexNet/VGGNet models.
더보기심층신경망(DNN)의 연산 복잡성은 과도한 연산량과 에너지 소비를 초래하기 때문에 제한적인 자원을 가진 임베디드 디바이스로의 DNN 적용을 어렵게 만드는 주요한 요인이다. 이를 완화하기 위해 본 논문에서는 DNN의 가중치 정밀도를 감소시키면서 기존 양자화 기법에 비해 더 많은 희소성을 부여하여 연산량과 에너지 소비를 감소시킬 수 있는 역제곱 비균일 양자화 기법을 제안한다. 서로 다른 맵핑 정책을 가진 다양한 균일/비균일 양자화 기법을 AlexNet과 VGGNet 모델에서 구현하여 CIFAR-10과 ImageNet 데이터셋을 활용한 이미지 분류 작업을 통해 제안된 역제곱 양자화 기법의 정확도와 에너지 효율성을 입증하고, 이를 더욱 향상시킬 수 있는 추가적인 학습 기법도 제시한다. 실험 결과, 제안된 역제곱 비균일 기법으로 양자화된 AlexNet과 VGGNet 모델의 비트폭이 2인 경우에 완전 정밀도 기법에 비해 정확도는 각각 2.2%와 2.5%의 손실이 있지만, 에너지 효율성 측면에서는 완전 정밀도 대비 각각 63.2%와 66.5% 정도로 에너지 소비를 감소시켰다.
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)