Characterizing Deep Neural Networks Neutrons-Induced Error Model - Inria - Institut national de recherche en sciences et technologies du numérique Accéder directement au contenu
Communication Dans Un Congrès Année : 2022

Characterizing Deep Neural Networks Neutrons-Induced Error Model

Résumé

We characterize the fault models for Deep Neural Networks (DNNs) in GPUs exposed to neutron. We observe tolerable and critical errors, and show that ECC is not effective in reducing critical errors.
Fichier principal
Vignette du fichier
main_hal.pdf (384.17 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03652138 , version 1 (26-04-2022)

Licence

Paternité

Identifiants

  • HAL Id : hal-03652138 , version 1

Citer

Fernando Fernandes dos Santos, Angeliki Kritikakou, Olivier Sentieys, Paolo Rech. Characterizing Deep Neural Networks Neutrons-Induced Error Model. NSREC 2022 - IEEE Nuclear & Space Radiation Effects Conference, Jul 2022, Provo, United States. pp.1-5. ⟨hal-03652138⟩
101 Consultations
96 Téléchargements

Partager

Gmail Facebook X LinkedIn More