基于FPGA的卷积神经网络优化压缩技术研究

摘要：

针对现有卷积神经网络(CNN)模型计算效率低、内存带宽浪费大等问题,提出了 一种基于现场可编程门阵列(FP-GA)优化压缩策略.对预先训练好的CNN模型进行分层剪枝,采用基于新型的遗传算法进行信道剪枝,同时设计了两步逼近适应度函数,进一步提高了遗传过程的效率.此外,通过对剪枝CNN模型进行数据量化,使得卷积层和全连接层的权值根据各自的数据结构以完全不同的方式存储,从而减少了存储开销.实验结果表明,在输入4 000个训练图像进行压缩过程中,该方法所耗压缩时间仅为15.9 s.

关键词：FPGA、卷积神经网络、遗传算法、网络剪枝、数据量化

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-08-30（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：143-146