面向卷积神经网络加速器吞吐量优化的FPGA自动化设计方法
100 积分
50
评分
4.4 积分- 详情
- 2021-04-27
- 简介
pdf
- 831KB
- 页数 10P
- 阅读 100
- 下载 27
针对卷积神经网络FPGA加速器的资源分配与频率设置欠佳导致吞吐量受限的问题,提出一种面向吞吐量优化的自动化设计方法.首先将加速器的设计分为并行策略和频率设计,提出总体设计流程；然后将设计空间探索建模为线段分割问题,采用遗传算法及贪心算法求解；最后根据求解出的并行策略完成加速器的结构设计,根据求解出的预期运行频率对加速器的布局布线优化,使实际频率可以达到预期.对AlexNet及VGG-16模型在目标器件AlteraDE5a-Net的设计实验结果表明,文中方法能有效地提升资源使用效率并给出合理频率设置；相比于其他卷积神经网络FPGA加速器设计方法,该方法可提升AlexNet和VGG-16的吞吐量82.95%和66.19%.
对不起，您暂无在线预览权限，如需浏览请
立即登录热门商品
相关推荐
面向卷积神经网络加速器吞吐量优化的FPGA自动化设计方法 831KB
基于卷积神经网络的空心村高分影像建筑物检测方法 879KB
基于迷你卷积神经网络的停车场空车位检测方法 201KB
基于神经网络与遗传算法的结构优化设计方法 382KB
基于卷积神经网络的航空影像城市建筑物分割 3.4MB
基于人工神经网络的自动化会计要素确认 425KB
基于卷积神经网络的高楼外墙裂缝检测系统 903KB
基于U型卷积神经网络的航空影像建筑物检测 2.8MB
基于人工神经网络的岩土工程反演设计方法研究 337KB
工程结构优化设计中的神经网络方法 216KB