一种基于FPGA的CNN加速器设计

• 作者: 乔庐峰 赵彤 陈庆华
• 来源期刊: 通信技术
• 学科: 工学
• 关键词: CNN FPGA 存储管理 Winograd
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 工程与应用
• 页码范围: 1242-1248
• 页数: 7页
• 分类号: TP302.1
• 字数: 3389字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0802.2019.05.035

摘要

目前,大规模的深度神经网络广泛应用于计算机视觉等任务.由于FPGA具有性能高、能耗低、可重构等特点,已逐渐成为加速CNN(卷积神经网络)等神经网络不可替代的硬件平台.因此,对CNN在FPGA上的实现方式进行研究,提出了一种能够有效降低带宽限制的存储管理方案,并采用Winograd算法来降低整个网络运算量.此外,针对不同的卷积核设计了不同的运算单元,使得FPGA的性能达到最优.最后,在Virtex7 xc7vx690t上实现了Alexnet,性能为1.31 TFlop/s,且平均性能功耗比为45.7 GOP/s/W.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	乔庐峰	陆军工程大学通信工程学院	10	3	1.0	1.0
2	陈庆华	陆军工程大学通信工程学院	9	3	1.0	1.0
3	赵彤	陆军工程大学通信工程学院	1	2	1.0	1.0