科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于高层次综合工具设计了卷积加速电路,并根据加速电路的特性提出了卷积分解的优化方法,实现了一个适用于各种网络结构的高性能的卷积神经网络加速器。最后,选取Xilinx公司的PYNQ-Z2开发板对设计好的CNN加速器进行性能检测。测试结果表明,所设计的CNN加速器在运行手写数字识别网络时的计算速度能够达到37.63 frame/s,相对于PYNQ-Z2开发板上的嵌入式ARM处理器实现了42.1倍的加速效果。在计算精度上,硬件与软件的计算精度基本保持一致,都达到了98%以上的识别准确率。加速器运行手写数字识别网络时的平均功耗约为1.825 W,功耗效率为20.62 frames/J,完全满足低功耗设计要求。
- 单位
