基于PYNQ开发板的二值神经网络分类模型研究

摘要：

对人工神经网络(artificial neural network,ANN)、卷积神经网络(convolutional neural network,CNN)以及二值神经网络(binary neural network,BNN)模型的原理进行了深入研究,对二值神经网络的特点和优势进行了说明.为了应用在PYNQ开发板上,首先根据传统卷积神经网络的结构搭建了具有适当规模的网络模型,分别在现有的公开数据集如MNIST、CIFAR10、SVHN上进行了训练,取得了良好的分类效果.硬件方面,首先通过HLS综合生成PYNQ开发板可调用的硬件库,再将训练完的权重生成二进制文件进行移植并在开发板上进行分类的预测.测试结果表明,分类模型能在计算资源有限的情况下较为理想地完成分类任务.

关键词：现场可编程门阵列(FPGA)、PYNQ开发板、卷积神经网络、二值神经网络

所属期刊栏目：41

分类号：TP183(自动化基础理论)

在线出版日期：2019-12-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：53-56