基于FPGA的深度学习分类算法高效实现

摘要：

为在嵌入式应用领域中实现高性能、低功耗的深度学习算法,针对网络的前向传播过程,通过设计指令格式和数据格式来传输CNNs计算所需要的参数,采用基于FPGA的软硬件协同设计的方法,构建面向嵌入式应用的深度学习分类系统.实验结果表明,在100 MHz的工作频率下,与GPU实现相比,该加速器在保证分类精度的情况下,整个网络的平均性能为0.08 GOP/s,能耗比为GTX 1070的2.29倍,功耗仅为GPU的2.114％.

关键词：卷积神经网络、现场可编程门阵列、高性能、低功耗、嵌入式系统

所属期刊栏目：40

分类号：TP39(计算技术、计算机技术)

资助基金：陕西省重点研发计划基金项目2017ZDXM-GY-005;西安市科技计划基金项目201805040YD18CG245

在线出版日期：2020-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：3425-3430