심층신경망의 Quantization 학습에 대한 시간과 정확도의 Trade-Off 분석 및 최소 학습량 도출

홈 > 연구문헌 > 학술대회 프로시딩 > 한국정보과학회 학술대회 > KSC 2020

한글제목(Korean Title)	심층신경망의 Quantization 학습에 대한 시간과 정확도의 Trade-Off 분석 및 최소 학습량 도출
영문제목(English Title)	Time and Accuracy Trade-Off analysis and Minimum learning amount for Deep Neural Network Quantization Learning
저자(Author)	최강 조동빈 서지원 Kang Choi Dongbin Cho Jiwon Seo
원문수록처(Citation)	VOL 47 NO. 02 PP. 0754 ~ 0756 (2020. 12)
한글내용 (Korean Abstract)	심층 신경망에서 Quantization은 입력 데이터와 가중치와 같이 연속된 실수로 표현된 값을 이산적인 정수로 근사 하여 계산하는 기법이다. Quantization은 정수 형태로 근사를 하기 위해 정수형 구간을 정해 영점을 설정하고 스케일링을 진행하게 된다. 하지만 많은 입력 데이터에 대해 정확도를 유지하면서 영점과 스케일링을 찾기 위해 Fine-Tuning을 학습하는 시간이 많이 걸리게 된다. 본 논문에서는 Quantization을 하기 위해 요구되는 영점(Zero Point)과 스케일(Scale)을 찾기 위해 Fine-Tuning 학습 시 시간 대비 정확도의 Trade-Off를 분석하고, 모델에 따른 이상적인 학습 수행량을 찾는데 목표가 있다.
영문내용 (English Abstract)
키워드(Keyword)
파일첨부	PDF 다운로드