Current Location:home > Detailed Browse

Article Detail

基于ARM+FPGA平台的二值神经网络加速方法研究

Abstracts

目前,现有的卷积神经网络由于其结构复杂且依赖的数据集庞大,难以满足某些实际应用或者计算平台对运算性能的要求和能耗的限制。针对这些应用或计算平台,对基于ARM+FPGA平台的二值化算法进行了研究,并设计了二值神经网络,该网络减少了数据对存储单元的需求量,也降低了运算的复杂度。在ARM+FPGA平台内部实现时,通过将卷积的乘累加运算转换为XNOR逻辑运算和popcount等操作,提高了整体的运算效率,降低了对能源和资源的消耗。同时,根据二值神经网络中数据存储的特点,提出了新的行处理改进算法,提高了网络的吞吐量。总之,该实现方式在GOPS、能源和资源效率方面均优于现有的FPGA神经网络加速方法。
Download Comment From cooperative journals:《计算机应用研究》 Hits:917 Downloads:577
Journal:计算机应用研究
Recommended references: 孙孝辉,宋庆增,金光浩,姜文超.(2019).基于ARM+FPGA平台的二值神经网络加速方法研究.计算机应用研究.[ChinaXiv:201901.00062] (Click&Copy)
Version History
[V1] 2019-01-03 10:45:29 chinaXiv:201901.00062V1 Download
Related Paper

Download

Current Browse

Cross Subject Browse

  • - NO