基于FPGA的卷积神经网络浮点激励函数实现

• 作者: 应三丛 李施豪
• 来源期刊: 微电子学与计算机
• 关键词: 卷积神经网络 激励函数 FPGA 多项式逼近
• 年，卷（期）: 2017,（10）
• 页码范围: 105-109
• 页数: 5页
• 分类号: TP391
• 语种: 中文

摘要

卷积神经网络因深度学习概念的提出再一次被研究人员所重视.激励函数是卷积神经网络的一个重要组成部分,选取了sigmoid函数作为实验对象.讨论了当前几种可行的逼近方法,最终采用分段四阶多项式拟合sigmoid函数.在FPGA上使用Verilog硬件描述语言设计了并行电路,并采集了数据集进行FPGA与CPU版本caffe库进行运算效率对比.实验结果表明,此种方法误差小效率高,FPGA在深度学习领域有着广阔的应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李施豪	四川大学计算机学院视觉合成图形图像技术国家重点学科实验室	1	7	1.0	1.0
2	应三丛	四川大学计算机学院视觉合成图形图像技术国家重点学科实验室	18	86	5.0	9.0