基于数据流计算图的卷积神经网络的理论和设计

作     者：谢仁杰 

作者机构：英特尔战略合作和创新业务部 

出 版 物：《电子产品世界》 (Electronic Engineering & Product World)

年 卷 期：2020年第27卷第3期

页      码：22-26,72页

摘      要：近年来在许多信号处理应用领域中,深度卷积神经网络引起了学术界和工业界很大的关注,其中基于数据流图的深度学习网络Tensorflow框架得到了很多人的青睐。但在一些商业落地的研究和调查中发现,部分机构涉及一些自开发的计算单元,而它不被大型网络框架所支持,又出于技术的保密性往往需要自行修改工业界的深度学习框架,这就造成了以下情况,(1)工业级大型代码框架极其复杂,各大库之间的调用很深且一般没有注释,不容易读懂和修改,(2)对某一个单一应用来说,工业界绝大多数的代码都是有冗余的,这就使得代码整体比较臃肿(厚),性能会受点影响。基于这种受限的情况下,本文提出了一种基于信号处理数据流计算图模型的方法,在多个平台多核下实现车辆分类。该方法在整个使用过程中,展现了灵活地设计实现优化转换能力,多平台的兼容可实施性,可在有限的资源内根据自己的算法需求,分立式地量身定制。在硬件电路加速或芯片的设计中,数据流所得到的高输出率、低延时特点是各厂家在写RTL硬件设计语言时着重提出的特点,其次基于数据流的软硬件设计易于算法代码之间的转换、实现、移植、调试、分析、综合、集成、优化和验证。

主 题 词：深度学习 数据流 计算图 多核运算 车辆分类 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 08[工学] 081104[081104] 080203[080203] 0802[工学-机械学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

馆 藏 号：203886054...