基于FPGA的卷积神经网络反向加速设计与实现

孙传猛; 邓慧芳; 王燕平; 许瑞嘉

doi:10.13873/J.1000-9787(2023)08-0107-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于FPGA的卷积神经网络反向加速设计与实现

设计与制造 | 更新时间：2025-09-11

- 基于FPGA的卷积神经网络反向加速设计与实现
- 暂无标题
- 传感器与微系统 2023年第8期页码：107-110
- 作者机构：
  
  1. 省部共建动态测试技术国家重点实验室
  2. 中北大学电气与控制工程学院
  3. 中山大学物理与天文学院
- 作者简介：
- 基金信息：
  
  山西省基础研究计划面上资助项目(202203021221106,202103021224199);山西省研究生创新项目(2022Y634)
- DOI：10.13873/J.1000-9787(2023)08-0107-04
  中图分类号： TN791;TP183
- 纸质出版：2023
- 稿件说明：
移动端阅览
孙传猛, 邓慧芳, 王燕平, 等. 基于FPGA的卷积神经网络反向加速设计与实现[J]. 传感器与微系统, 2023,(8):107-110.
孙传猛, 邓慧芳, 王燕平, 等. 基于FPGA的卷积神经网络反向加速设计与实现[J]. 传感器与微系统, 2023,(8):107-110. DOI： 10.13873/J.1000-9787(2023)08-0107-04.

DOI：

摘要

卷积神经网络(CNN)计算量大，网络训练时间长，借助现场可编程门阵列(FPGA)良好的并行性，可加速其反向网络的参数训练过程，从而加快训练速度。首先，所设计的CNN反向加速网络具有良好的加速性能；然后，设计了CNN的FPGA硬件加速系统和一个加速计算模块，且用Kroneck乘积计算来减少CNN参数和时间复杂度；最后，进行Zedboard纯PS训练和使用反向网络PL加速器训练CNN的对比实验。实验结果表明：基于FPGA CNN的反向加速性能是仅在纯CPU上进行神经网络加速的111.15倍。

Abstract

关键词

Keywords

references

基于深度卷积神经网络的图像超分辨率重建方法[J]. 谢超;朱泓宇.传感器与微系统,2020(09)

基于卷积神经网络的SVM疾病症状分类模型[J]. 张强强;苏变萍;李敏.传感器与微系统,2020(03)

一种FPGA配置数据压缩算法的参数选择方法[J]. 杨鹏;李仁发;吴强.传感器与微系统,2011(01)

GPU功耗评估和优化技术研究[D]. 邢立冬.西安电子科技大学,2017(01)

卷积神经网络处理器的设计与实现[D]. 阎强.西安理工大学,2017(02)

深度学习卷积神经网络VLIW加速器设计与实现[D]. 石润彬.苏州大学,2016(01)

基于FPGA的神经网络控制器设计方法研究[D]. 谢真真.南昌大学,2010(03)

基于GPU的三维锥束CT图像的快速重建[D]. 马车平.重庆大学,2008(06)

Evaluating Fast Algorithms for Convolutional Neural Networks on FPGAs[J]. Yun Liang;Liqiang Lu;Qingcheng Xiao;Shengen Yan.IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems,2020

Angel-Eye: A Complete Design Flow for Mapping CNN Onto Embedded FPGA.[J]. Kaiyuan Guo;Lingzhi Sui;Jiantao Qiu;Jincheng Yu;Junbin Wang;Song Yao;Song Han;Yu Wang 0002;Huazhong Yang.IEEE Trans. on CAD of Integrated Circuits and Systems,2018

浏览量

290

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于改进ResNet18模型的驾驶员面部表情识别方法

基于Res-DCGAN和改进AlexNet的稻谷病害识别方法

基于深度学习的散斑图应变场测量

基于KPCA-CNN-GRU的陶瓷辊道窑温度预测

交互注意力融合的眼底图像分类方法