文献检索-宁波市创意产业特色资源库

限定检索结果

基于ZYNQ的卷积神经网络加速器设计: 收藏
分享
引用; 《计算机工程与设计》2022年第6期43卷 1572-1581页; 作者：吴健顾明剑曾长紊邵春沅范余茂中国科学院上海技术物理研究所上海200083 中国科学院上海技术物理研究所红外成像与探测重点实验室上海200083 中国科学院上海技术物理研究所苏州研究院江苏苏州215000 中国科学院大学北京100049; 针对卷积神经网络在嵌入式系统需要耗费大量计算资源、计算复杂度高等问题,提出一种基于ZYNQ系列FPGA的加速方法。通过HLS工具对卷积神经网络加速器进行设计,提出相邻层位宽合并和权重参数重排序的策略实现数据传输的优化,利用卷积分解...; 针对卷积神经网络在嵌入式系统需要耗费大量计算资源、计算复杂度高等问题,提出一种基于ZYNQ系列FPGA的加速方法。通过HLS工具对卷积神经网络加速器进行设计,提出相邻层位宽合并和权重参数重排序的策略实现数据传输的优化,利用卷积分解、并行展开充分发挥FPGA并行计算的优势。为验证卷积神经网络加速器的加速效果,将YOLO目标检测模型进行部署。实验结果表明,在PYNQ-Z2上达到了39.39 GOP/s的计算性能,是intel i5-2400 CPU的3.4倍,是ARM-Cortex A9 CPU的147.5倍。在相同FPGA平台上与之前的工作相较也有更高的性能。; 来源：详细信息评论

限定检索结果