Detail publikace
LGBM2VHDL: Mapping of LightGBM Models to FPGA
Kořenek Jan, doc. Ing., Ph.D. (UPSY)
Čejka Tomáš, doc. Ing., Ph.D. (SSDIT)
Gradient Boosting; LightGBM; Hardware acceleration; FPGA;
Gradient boosting (GB) je efektivní a široce používaný typ metody strojového
učení. Možnost transformovat natrénované GB modely na úroveň hardware představuje
potenciál pro výrazné zrychlení mnoha aplikací a jejich dostupnost v podobě
vestavěných systémů. V této práci jsme proto vyvinuli nástroj LGBM2VHDL pro
automatizované mapování modelů natrénovaných knihovnou LightGBM na obvody popsané
jazykem VHDL. Oproti stávajícím nástrojům jsme použili architekturu, která je
vhodnější pro rozsáhlé GB modely zahrnující až tisíce rozhodovacích stromů.
Architekturu jsme dále optimalizovali pomocí dvou nově navržených technik.
Aplikací těchto technik na testované modely se výrazně snížilo množství potřebné
paměti na téměř polovinu původních zdrojů a množství základních
konfigurovatelných bloků se snížilo v průměru až čtyřikrát. Vyvinutý nástroj je
k dispozici jako open-source.
@inproceedings{BUT193289,
author="Tomáš {Martínek} and Jan {Kořenek} and Tomáš {Čejka}",
title="LGBM2VHDL: Mapping of LightGBM Models to FPGA",
booktitle="2024 IEEE 32nd Annual International Symposium on Field-Programmable Custom Computing Machines (FCCM)",
year="2024",
pages="97--103",
publisher="IEEE Computer Society",
address="Orlando, FL",
doi="10.1109/FCCM60383.2024.00020",
isbn="979-8-3503-7243-4"
}