We suggested the FFT-based CNN accelerator to reduce the number of multiplication of the spatial-domain convolution. However, the precision of multiplication increases in spectral-domain convolution as much as the processing-gain of the FFT. Thus, the property of the image in the spectral-domain is used to reduce precision. The energy consumed by convolution operation is saved with the minimal penalty of classification accuracy. Also, the wireline communication bottleneck the energy of the acceleration system. We investigated the reduced bit-error-rate requirement for wireline interface with significant energy-saving and negligible accuracy-loss.
이 논문에서는 공간 영역에서의 합성곱의 연산횟수를 줄여 에너지 효율을 높이기 위해 고속 퓨리에 변환 기반의 합성곱 신경망 가속기를 제안하였다. 그러나 스펙트럼 영역 기반의 합성곱 연산기의 경우 고속 퓨리에 변환의 처리 이득만큼 비트폭이 넓어져 곱셈 연산 자체의 에너지가 높아진다. 그래서 스펙트럼 영역에서의 이미지 특성을 이용하여 비트폭을 줄였다. 이 때 발생하는 네트워크 정확도 손실이 최소가 되도록 하면서 에너지 효율을 높일 수 있는 곱셈 연산기의 정확도를 실험을 통해 찾았다. 한편, 많은 에너지가 메모리와 연산 장치 사이의 유선 통신에서 소모되고 있다. 유선 통신의 에너지가 높은 이유는 오류없이 정보를 전송하기 위함인데, 유선 통신에서 오류가 발생하여도 네트워크에 정확도 손실에 큰 영향을 미치지 않음을 실험을 통해 확인하였다.
