リコー、高速/低消費電力なGBDTモデル学習回路アーキテクチャを開発――AIモデルの学習を26倍高速化、電力効率を90倍に

  • このエントリーをはてなブックマークに追加

リコーは2018年12月26日、機械学習の一手法であるGBDTモデルの学習を高速化/低消費電力化する回路アーキテクチャを開発したと発表した。

GBDT(勾配ブースティング決定木)は、人工知能(AI)の学習方法である機械学習の一手法で、データベースなどで構造化された大量データの学習に高い性能を発揮する。その応用先として、オンライン広告のリアルタイムビディングやEコマースでのリコメンデーションなどのweb分野、株式の高頻度取引などの金融分野、サイバー攻撃の検出などのセキュリティ分野、ロボティクスなどが考えられることから、近年注目されている。

そこで、リコーは今回、GBDTモデルの学習ができる回路アーキテクチャを開発。これをFPGA上に実装して、性能を比較した。その結果、CPU/GPUを用いたソフトウェアライブラリ(XGBoost、LightGBM、CatBoost)と比べて、学習速度が26~259倍高速化した。さらに、電力効率もGPU/CPUと比べて90~1105倍となった。また、予測精度も、ソフトウェアライブラリと同等であることを確認している。

リコーは、この低消費電力という特徴から、エッジコンピューティングへも活用を拡げられると説明。IoTデバイスでも、その高い電力効率を活かして、高度なモデルの学習が可能になるとしている。

関連リンク

プレスリリース

関連記事

アーカイブ

fabcross
meitec
next
メルマガ登録
ページ上部へ戻る