面向 CNN 的原地零空间内存保护
机器学习
2019-11-01 v1 机器学习
摘要
卷积神经网络（CNN）正被积极探索用于自动驾驶与航空航天等安全关键应用，其中在可能出现内存故障的情况下确保推理结果的可靠性至关重要。错误校正码（ECC）与三模冗余（TMR）等传统方法对 CNN 无针对性，且带来可观的内存开销与能耗成本。本文引入辅以新训练方案“权重分布导向训练”的原地零空间 ECC。该新方法首次实现了 CNN 的零空间成本内存保护，且不削弱传统 ECC 所提供的可靠性。
引用
@article{arxiv.1910.14479,
title = {In-Place Zero-Space Memory Protection for CNN},
author = {Hui Guan and Lin Ning and Zhen Lin and Xipeng Shen and Huiyang Zhou and Seung-Hwan Lim},
journal= {arXiv preprint arXiv:1910.14479},
year = {2019}
}
备注
Accepted in NeurIPS'19