轻量化神经网络加速器的设计与实现

作者：黄瑞; 金光浩; 李磊; 姜文超; 宋庆增^*

来源：计算机工程, 2021, 47(09): 185-196.

DOI：10.19678/j.issn.1000-3428.0059351

• 硬件加速
• 模型压缩
• 轻量化神经网络
• 现场可编程门阵列
• 并行计算

针对以MobileNet为代表的轻量化卷积网络,基于现场可编程门阵列平台设计网络加速器。通过优化DW、PW轻量化模块并实现常用的卷积、ReLU等功能模块,满足神经网络加速器低功耗、低时延的要求,同时基于指令设计使加速器支持MobileNet及各类变种。利用上位机配置YoloV3 tiny(不含轻量模块)指令和YoloV3&MobileNet(含轻量模块)指令进行目标检测,实验结果表明,该网络加速器具有较快的推断速度,用于YoloV3 tiny结构时达到85 frame/s,用于YoloV3&MobileNet结构时达到62 frame/s。

• 单位
  天津工业大学; 广东工业大学