基于FPGA的卷积神经网络加速优化方法

摘要：

利用当前方法对卷积神经网络进行加速优化处理时,没有分析卷积神经网络前向传播结构,导致卷积神经网络的资源浪费严重以及计算量过大,存在资源消耗率高和网络计算量大的问题,提出基于FPGA的卷积神经网络加速优化方法.构建卷积神经网络前向传播模型,分析了传播结构中卷积层、池化层、激活函数和填充的特点.根据分析结果利用FPGA构建加速器,通过卷积层并行加速可行性分析、基本模块设计、通道并行卷积层加速设计实现卷积神经网络的加速优化,利用流水线方法对卷积窗口进行操作,通过全并行乘法-加法树模块减少卷积神经网络的计算量.实验结果表明,所提方法的资源消耗率低、网络计算量小.

关键词：卷积神经网络、前向传播模型、加速器、加速优化方法

所属期刊栏目：39

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金61501346

在线出版日期：2022-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：371-374,450