基于fpga的卷积神经网络加速器

《基于fpga的卷积神经网络加速器》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：ＴＮ４１０３３５单位代码：密级：公开学号：２１３１０１０８硕±学位论文戀中文论文题目：基于ＦＰＧＡ的卷祇神签网络加速器－：ＦＰＧＡｂａｓｅｄＡｃｃｅｌｅｒａｔｏｒＦｏｒ英文论文题目ＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋ申请人姓名：余子健指导教州＾：严晚浪合作导师：专业名称：亩路与系统研究方向：ＳｏＣ设计所在学院：电气工程学院论文提交日期２０１６年４月■．．．基于ＦＰＧＡ的卷巧神经网络加遠器戀＜產论文作

2、者签名：含去指导教师签名论文评阅人１：匿名评阅评阅人２；匿名评阅评阅人３；匿名评阅评阅人４＝评阅人５：答辩委员会主席：吴晓波教授浙江大学委员１；孟建耀教授复旦大学委员２；史峰副教授浙江大学委员３：张培勇副教授浙江大学委员４：委员５；＇２０１６年３月１７日答辩日期：浙江大学研巧生学位论文独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的硏巧工作及取得的研究成果。除了文中特别加Ｗ标注和致谢的地方外，论文中不包含其他人已经发表或

3、撰写过的研究成果，也不巧含为获得浙江大举或其他教育机构的学位或证书而使用过的材料一。与我同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示谢意。学位论文作者签名：舍Ｍ至签字曰期：（年４月７曰学位论文版权使用授权书本学位论文作者完全了解浙江大学有权保留并向国家有关部口或机。构送交本论文的复印件和磁盘，允许论文被查阅和借阅本人授权浙江大学可将学位论文的全部或部分内容编入有关数据库进斤检索和传播，可Ｗ采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后适用本授权书）

4、学位论文作者签名：著Ｗ支签字日期：年４月日签宇日期：年月日７（７浙江大学硕±学位论文基于ＦＰＧＡ的卷积神经网络加速器致谢一硕壬研究生的生活即将告段落，在兰年的学习工作中，得到了各位老师和同学们的帮助与指导，在此表示由衷的感谢。首先感谢我的导师严晓浪教授，让巧踏，给予我多个参与处理器项目的机会入了集成电路的领域。在诸多项目的历练下，我的基础知识越来越札实，解决问一题的能力也不断地增长Ｌ。感谢各位师兄师姐乂及起参与项目的同学同事们，与一起工作能收获很多大家。感谢马德师兄，在巧论文完成过程中给予我诸多指

5、导和建议。感谢硕击阶段所有帮助我的老师同学，在你们的陪伴下，我度过了充实而意义非凡的硕去兰年。感谢我的父母一，是他们直在我背后默默地支持我照颇我，没有他们的支持，也不会有今天的我。、感谢所有关為我支持我的朋友们，是你们使我的人生道路上不狐单。Ｉ浙江大学硕：ｔ学位论文基于ＦＰＧＡ的卷积神经网络加速器摘要卷积神经网络是一种源自人工神经网络的多层感知器，它对图像的平移、比例缩放、倾斜等巧式的变形具有高度的适应性，是提取图形特征的灵敏传感器，近年来得到越来越广菱的应巧。目前卷积神经网络主要基于通用处理器

6、实现，，但基于软件方式无法充分挖掘卷积神经网络的并行性，在实时性和功耗方面都不能满足应用的需求。由于ＦＰＧＡ计算资源丰富、灵活可配、开发周巧短，越来越多巧究者开始采用ＦＰＧＡ开发基于卷积神经网络的应用。本文根据卷积神经网络基本模型，从运算效率与数据重用两个角度分析了卷Ｌ积运算的并行特征，并研究了激活函数的实现方式。乂此为基础，设计了基于ＦＰＧＡ的卷巧网络加速器。该加速器为主机＋ＦＰＧＡ模式，采巧流水结构提升运行效率；充分利用＃种卷积运算并行性Ｗ平衡运算效率和数据载入带宽的需求；通过ＰＷＬ逼近实现激活函数，兼顾

7、了灵活性和资源消耗。在手写数字识别的实验中，该加速器每周期最《运行％次乘累加，在７５Ｍ的频率下，峰值运算速率可达到化９１５ＧＭＡＣ／Ｓ，相比通用ＣＰＵ可实现５．６５倍的加速，而功耗仅为通用ＣＰＵ的３．０７％。关键词：卷积神经网络；ＦＰＧＡ；加速；并行；流水ＩＩ浙江大学硕：±ｒ学位论文基于ＦＰＧＡ的卷积神经网络加速器ＡＢＳＴＲＡＣＴ－Ｃｏｎｖｏｌｋｉｉｌｉｌｕｔｉｏ打ａｌＮｅｕｔｒａＮｅｔｗｏｒｓａｍｕｌｔａｅｒｅｒｃｅｔｒｏｎｄｅｒｖｅｄｆｒｏｍｙ，ｐｐＡｒｔｉｆｉｃｉａｌＮｅｕｔｒａ

8、ｌＮｅｔｗｏｒｋ？化ｉｓａｓｅｎｓｉｔｉｖｅｓｅｎｓｏｒｆｏｒｐａｔｔｅｒｎｆｅａｒｔｕｒｅｅｘｔｒａｃｔｉｏｎ，ｗｈｉｃｈｌｔｉｔｔｉｉｓｗｉｄｅｙｕ