摘要：卷积神经网络(Convolutional Neural Network,CNN)是目前主流视觉算法不可或缺的关键部分.为提高CNN模型推理速度,学界提出了众多异构加速方法以满足不同场景下的多元加速需求.但如何在资源与能耗受限的在轨卫星上稳定高效地加速CNN仍是极具挑战的课题.为此,本文通过软硬件协同设计,着力优化微指令编码、指令级并行和运算级并行3个加速器设计的关键部分,在星上常见的Xilinx VX690T FPGA芯片上设计实现了一种微指令序列调度数据流的CNN加速器.在软件层面,本文提出一种可扩展的微指令编码格式及相应的编译方法.通过卷积循环分块和算子融合策略实现图级别优化,生成加速器可执行的微指令序列.在硬件层面,本文设计实现了一个由微控制器与逻辑运算器组成的RTL级CNN加速器.微控制器通过粗粒度流水线实现各类指令的并行执行.逻辑运算器通过DSP48E1计算资源级联所构建的计算阵列实现卷积算子的细粒度并行运算.实验结果表明,加速器设计功耗10.68 W,在加速YOLOV3Tiny算法时,峰值吞吐率(Runtime Max Throughput,RMT)达到378.63 GOP/s,计算资源利用效率(MAC Efficiency,ME)达到91.5%.相较典型GPU加速方法,本文的加速器有14倍能效提升.相较同类FPGA加速器,ME有6.9%以上的提升.

摘要：目的评价苇茎汤联合西药治疗肺炎的临床疗效及安全性。方法检索CNKI、Wanfang Data、VIP、China Biology Medicine disc、Pub Med、Embase及Cochrane图书馆,时间截止到2019年3月1日,收集苇茎汤联合西药治疗肺炎的随机对照试验(RCTs),采用Cochrane协作网的偏倚风险评估量表评价纳入研究的方法学质量,运用RevMan 5.3软件进行统计分析。结果纳入10篇符合标准的文献,共850例患者,Meta分析显示,与单用西药比较,苇茎汤联合西药治疗肺炎能提高临床总有效率[RR=1.16(95%CI1.11~1.21)],缩短发热消失时间[MD=-1.62(95%CI-2.11^-1.13)],缩短啰音消失时间[MD=-1.64(95%CI-1.94^-1.33)],提高社会功能[MD=7.31(95%CI2.95~11.66)],改善躯体疼痛[MD=9.14(95%CI7.13~11.15)],增强生命力[MD=7.27(95%CI4.59~9.95)],提高总体健康水平[MD=8.08(95%CI2.29~13.88)],差异有统计学意义(P0.05)。结论苇茎汤联合西药治疗肺炎在缩短发热、啰音消退时间及提高生活质量等方面与单用西药比较优势显著,但仍需设计良好、大样本的随机对照试验进一步确认。