Positでの推論・学習に対応した深層学習フレームワークTsuchigumoの開発

抄録

エッジデバイスやAIチップでDNN（Deep Neural Network）を実行するとき，実行の高速化や省電力化のために量子化が行われる．量子化の際に使われる数値フォーマットとして，Positが有効である．Positを用いて学習・推論ができるフレームワークが必要である．我々は，ハードウェアと同じ動作で学習・推論にpositを用いるDNNフレームワークTsuchigumoを開発した． 本稿では，Tsuchigumoの実装を説明する． 評価により，本フレームワークが様々なposit形式を用いた学習・推論において正しく動作することを確認した． エミュレーション時間のオーバーヘッドを評価したところ，MNISTの100データの学習に3.5秒かかることが分かった．