面向FPGA的二值神经网络模型压缩方法研究

作者：陈胤杰; 裴颂文

来源：小型微型计算机系统, 2023, 1-7.

• 二值神经网络
• 过滤器剪枝
• FPGA
• 模型压缩

针对卷积神经网络在正向推理时的高计算复杂度与空间复杂度问题，提出了一种基于二值神经网络(Binary Neural Network， BNN)的过滤器剪枝算法(Binary Filter Pruning: BFP)。BFP算法通过剪除L2范数较小的过滤器，构建剪枝压缩后的二值神经网络模型。进一步面向FPGA(Field Programmable Gate Array)平台，设计并实现了基于二值复值神经网络(Binary Complex Neural Network， BCNN)的ResNet-18加速计算模型。对二值复值卷积层与预处理过程中的卷积层，分别设计了数据预处理合并优化与数据重排序。实验结果显示，BFP算法在CIFAR-10数据集上的分类精度，比基于SLR(Surrogate Lagrangian Relaxation)的通道剪枝方法平均提高了1%。与CPU平台相比，设计的加速器在PYNQ-Z1平台上的计算性能提高了23倍。

• 单位
  中国科学院计算技术研究所; 上海理工大学; 计算机体系结构国家重点实验室; 华东师范大学