基于ZYNQ平台的通用卷积加速器设计

作者：缪丹丹; 张鹏; 张鑫宇; 崔敏^*

来源：国外电子测量技术, 2022, 41(11): 72-77.

DOI：10.19652/j.cnki.femt.2204212

• 卷积神经网络
• ZYNQ
• 硬件加速

卷积神经网络(CNN)计算量大主要在于卷积运算复杂，因而难以在边缘端计算设备中应用。对此提出了一种基于ZYNQ平台的硬件通用卷积加速器设计方案，该加速器对所有卷积神经网络的卷积层适用，为目标检测领域的产品应用拓宽了市场前景。选用YOLOv3-Tiny网络进行分析，采用定点量化方法，损失较小精度获得8倍速度性能提升。针对硬件级加速器设计，用软核CPU代替硬核CPU,进一步提高资源利用率；根据卷积计算特点，优化了乘加运算及缓存机制，并采用流水线及并行处理等操作进行硬件加速。实验结果表明，该方案模型均值平均精度69%,硬件级实现了210 fps的前向推理速度，整体系统功耗控制在5 W以内。

• 单位
  中北大学