利用参数稀疏性的卷积神经网络计算优化及其FPGA加速器设计

• 作者: 刘勤让 刘崇阳
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 卷积神经网络 稀疏性 计算优化 矩阵乘法器 FPGA
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 论文
• 页码范围: 1368-1374
• 页数: 7页
• 分类号: TP183
• 字数: 4897字
• 语种: 中文
• DOI: 10.11999/JEIT170819

摘要

针对卷积神经网络(CNN)在嵌入式端的应用受实时性限制的问题,以及CNN卷积计算中存在较大程度的稀疏性的特性,该文提出一种基于FPGA的CNN加速器实现方法来提高计算速度.首先,挖掘出CNN卷积计算的稀疏性特点;其次,为了用好参数稀疏性,把CNN卷积计算转换为矩阵相乘;最后,提出基于FPGA的并行矩阵乘法器的实现方案.在Virtex-7 VC707 FPGA上的仿真结果表明,相比于传统的CNN加速器,该设计缩短了19％的计算时间.通过稀疏性来简化CNN计算过程的方式,不仅能在FPGA实现,也能迁移到其他嵌入式端.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘勤让		58	257	9.0	13.0
2	刘崇阳		5	12	1.0	3.0