利用参数稀疏性的卷积神经网络计算优化及其FPGA加速器设计

作     者：刘勤让 刘崇阳 LIU Qinrang;LIU Chongyang

作者机构：国家数字交换系统工程技术研究中心郑州450002 

基　　金：国家科技重大专项(2016ZX01012101) 国家自然科学基金(61572520 61521003)~~ 

出 版 物：《电子与信息学报》 (Journal of Electronics & Information Technology)

年 卷 期：2018年第40卷第6期

页      码：1368-1374页

摘      要：针对卷积神经网络(CNN)在嵌入式端的应用受实时性限制的问题,以及CNN卷积计算中存在较大程度的稀疏性的特性,该文提出一种基于FPGA的CNN加速器实现方法来提高计算速度。首先,挖掘出CNN卷积计算的稀疏性特点;其次,为了用好参数稀疏性,把CNN卷积计算转换为矩阵相乘;最后,提出基于FPGA的并行矩阵乘法器的实现方案。在Virtex-7 VC707 FPGA上的仿真结果表明,相比于传统的CNN加速器,该设计缩短了19%的计算时间。通过稀疏性来简化CNN计算过程的方式,不仅能在FPGA实现,也能迁移到其他嵌入式端。

主 题 词：卷积神经网络 稀疏性 计算优化 矩阵乘法器 FPGA 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 0808[工学-自动化类] 0809[工学-计算机类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.11999/JEIT170819

馆 藏 号：203296140...