面向边缘计算的轻量级网络硬件加速设计

作者：余运俊^*; 张鹏飞; 龚汉城; 陈敏

来源：计算机科学, 2023, 50(S2): 832-838.

• 边缘计算
• 硬件加速
• 轻量级卷积神经网络
• Winograd
• FPGA

随着边缘设备数据的增多和神经网络的不断落地应用，边缘计算为以云计算为核心的大数据技术分担了压力。现场可编程门阵列（FPGA）因灵活的体系结构和低功耗，在边缘计算以及构建神经网络加速器中显示出优异的特性。但是，传统的基于传统卷积算法的FPGA解决方案往往受到片上计算单元数量的限制。使用Zynq作为硬件加速平台，对参数进行定点量化，利用数组分区提高流水线运行速度。采用Winograd快速卷积算法对传统的卷积进行改进，将卷积运算中的乘法运算转换为加法运算，降低了模型的计算复杂度，极大提高了所设计的加速器的计算性能。实验表明，XC7Z035工作在150MHz时钟下获得了43.5GOP/s的性能，能效是Xeon(R)Silver 4214R的129倍，是双核ARM的159倍。所提方案在资源和功耗受限的情况下可以提供较高的性能，适用于网络边缘端对轻量级神经网络的落地应用。

• 单位
  南昌大学信息工程学院