返回
Accelerating GridSearchCV hyperparameter tuning method using an FPGA-based hardware accelerator
DOI:10.1007/s11227-025-08124-7.png)
摘要
En 中文
机器学习模型支撑着关键应用,其性能取决于有效的超参数调优,但诸如GridSearchCV之类的穷举方法在通用系统上计算密集。本文提出了一种针对GridSearchCV–KNN流水线的定制FPGA加速器,该加速器在Intel Cyclone V平台上进行了仿真。该六模块RTL设计具有片上唯一存储单元、流水线曼哈顿距离减法器和并行排序Distance Memory,后者无需显式排序即可跟踪最近邻。专用硬件控制器完全在硬件中管理超参数网格枚举和K折评估。我们引入了“CV-full”(留一交叉验证)来测试系统在最密集情况下的性能。后综合仿真显示,在5折、10折和CV-full设置下,平均加速比分别为1.8×、2×和约10×,峰值加速比达到27.7×(相较于Google Colab服务器)。通过最小化片外存储器访问和显式排序阶段,我们的FPGA设计提供了一种专用硬件解决方案,用于加速GridSearchCV–KNN超参数调优。
Keyword:
FPGA
GridSearchCV
Hardware accelerator
Hyperparameter tuning
Machine learning
期刊
T
IF:
0
论文数:
647
被引数:
0
机构
引用论文
Hardware Acceleration for Object Detection using YOLOv5 Deep Learning Algorithm on Xilinx Zynq FPGA Platform基于Xilinx Zynq FPGA平台的YOLOv5深度学习算法目标检测硬件加速
Grid search in hyperparameter optimization of machine learning models for prediction of HIV/AIDS test results网格搜索在HIV/AIDS检测结果预测机器学习模型超参数优化中的应用
Effects of Distance Measurement Methods in K-Nearest Neighbor Algorithm to Select Indonesia Smart Card RecipientK-近邻算法中距离测量方法对选择印度尼西亚智能卡领取人的影响

