文档名：可重构结构下卷积神经网络加速研究与设计
摘要：针对卷积神经网络(CNN)推理过程中计算量大、耗时长及硬件资源消耗高的问题,提出基于可重构阵列处理器的CNN加速设计方案.利用神经网络信息分布式存储特点,将处理元(PE)作为重构基本模块设计输入数据复用模式,减少内存访问次数从而加速网络推理过程,并实现不同规格卷积操作在可重构阵列处理器上灵活部署.在Virtex-6开发板上的测试结果表明:相比基于现场可编程门阵列(FPGA)实现CNN,本文实验LUTs资源消耗减少70％,FF资源消耗减少50％.时钟频率达到113MHz,峰值运算速度达到1.8GOP/s,与领域专用可重构处理器相比,运算性能提升19.7％.
作者：朱育琳 蒋林 王欣 刘帅 Author：ZHUYulin JIANGLin WANGXin LIUShuai
作者单位：西安科技大学电气与控制工程学院,陕西西安710600西安科技大学通信与信息工程学院,陕西西安710600
刊名：传感器与微系统 ISTICPKU
Journal：TransducerandMicrosystemTechnologies
年，卷(期)：2023, 42(4)
分类号：TP183
关键词：卷积神经网络 可重构结构 数据复用 并行化
机标分类号：TP302TN919.81O159
在线出版日期：2023年5月9日
基金项目：国家自然科学基金可重构结构下卷积神经网络加速研究与设计[
期刊论文] 传感器与微系统--2023, 42(4)朱育琳 蒋林 王欣 刘帅针对卷积神经网络(CNN)推理过程中计算量大、耗时长及硬件资源消耗高的问题,提出基于可重构阵列处理器的CNN加速设计方案.利用神经网络信息分布式存储特点,将处理元(PE)作为重构基本模块设计输入数据复用模式,减少内存访...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
可重构结构下卷积神经网络加速研究与设计 Acceleration research and design of CNN with reconfigurable structure
可重构结构下卷积神经网络加速研究与设计.pdf
- 文件大小:
- 9.11 MB
- 下载次数:
- 60
-
高速下载
|
