リコー、機械学習モデルを26倍高速化できる回路アーキテクチャ開発

リコーは12月26日、機械学習において近年注目されている手法であるGradient Boosting Decision Tree（GBDT：勾配ブースティング決定木モデルの学習を高速し、電力効率を上げる回路アーキテクチャを開発したと発表した。 この回路アーキテクチャを、FPGA（Field-Programmable Gate Array、設計者がプログラムによって設定を変更できる集積回路）上に実装して性能を比較したところ、CPU/GPUを用いた一般的なソフトウェアライブラリ（XGBoost (extreme gradient boosting)、LightGBM、CatBoost）と比べ、26～259倍の学習高速化を実現したという。これにより、これまでよりも短時間でのGBDTモデルの学習・更新が可能となる。 学習時の消費電力も小さく、モデル学習の電力効率は、GPU/CPUと比較して90～1

[sonots]

前々職頑張ってる