深度神經網路系統之強健性與可靠性增強技術(1/3)

在設計深度神經網路（DNN）推論引擎時，會在硬體設計上做不同程度的簡化與修改，以提高能源效率及性能。雖然DNN本質上具有某種程度的容錯能力，但是這些修改都會使得DNN硬體做推論運算時，造成推論正確性下降。如何評估所設計DNN推論引擎的強健性（亦即設計時因運算簡化等造成推論正確率下降程度）是一個重要議題，唯有在設計時可以評估推論正確率，才能有效做硬體簡化及推論正確率的最佳化。另外，DNN推論引擎在使用過程中，會有無可避免的軟錯誤及錯誤發生，這也會造成推論正確率受到影響；更進一步，DNN推論引擎在製造過程中會有瑕疵發生，如何利用DNN本身的容錯能力配合硬體冗餘來有效提升可靠度及良率也是一重要議題。因此本計畫將以開發深度神經網路強健性與可靠性設計技術為目標，主要著重在DNN推論引擎硬體設計時錯誤容忍度的評估方法，以及硬體容錯設計技術。