切比雪夫逼近的深度神经网络并行加速

作     者：李方舒 钱慧 陈晓旭 LI Fang-shu;QIAN Hui;CHEN Xiao-xu

作者机构：福州大学物理与信息工程学院福州350116 

基　　金：数字福建物联网工程应用实验室建设项目(82917002)资助 

出 版 物：《小型微型计算机系统》 (Journal of Chinese Computer Systems)

年 卷 期：2020年第41卷第10期

页      码：2206-2211页

摘      要：深度神经网络(Deep Neural Network,DNN)中数据量巨大,且卷积层计算复杂度高,使得其难以在资源有限的嵌入式GPU上进行部署,因此需要对其进行并行加速设计.本文提出采用切比雪夫多项式对卷积核进行逼近,并将该优化方案应用在面向图像重构的DNN中以实现卷积操作的并行化处理,降低计算复杂度.然后为优化后的网络卷积层进行基于GPU的并行加速设计,最后将网络整体移植到NVIDIA AGX Xavier嵌入式开发板上来实现图像的重构推理过程.实验结果表明,并行加速后的网络重构推理的速度是原始网络的2.2倍.

主 题 词：深度神经网络 图像重构 并行计算 嵌入式GPU 切比雪夫逼近 

学科分类：08[工学] 0835[0835] 081202[081202] 0812[工学-测绘类] 

馆 藏 号：203986255...