卷积神经网络的FPGA并行加速方案设计

• 作者: 刘加贺 方睿 杨广文 薛志辉
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 卷积神经网络 现场可编程门阵列(FPGA) 深度流水 加速
• 年，卷（期）: 2015,（8）
• 所属期刊栏目: 理论研究、研发设计
• 页码范围: 32-36
• 页数: 5页
• 分类号: TP391
• 字数: 4792字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1405-0335

摘要

根据卷积神经网络的特点，提出了深度流水的FPGA加速方案，设计了卷积层的通用卷积电路。该卷积电路可以在一个时钟周期内获得一个计算结果。理论上，该方案对于MNIST数据集，在28×28个时钟周期内可以获得一幅图片的运算结果。针对网络训练过程的前向传播阶段，在网络结构和数据集相同的情况下，对GPU，FPGA，CPU进行了在计算效率和能耗之间的比较。其中在计算效率方面，50 MHz频率的FPGA就可以相较于GPU实现近5倍的加速，相较于12核的CPU实现8倍的加速。而在功耗方面，该FPGA的实现方案只有GPU版本的26.7%。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨广文	清华大学计算机科学与技术系	54	540	12.0	22.0
2	方睿	清华大学计算机科学与技术系	3	40	1.0	3.0
3	刘加贺	清华大学计算机科学与技术系	1	40	1.0	1.0
4	薛志辉	清华大学计算机科学与技术系	1	40	1.0	1.0