ZYNQ的卷积神经网络硬件加速通用平台设计

• 作者: 冯光顺 应三丛
• 来源期刊: 单片机与嵌入式系统应用
• 学科: 工学
• 关键词: ZC706 卷积神经网络 硬件加速 FPGA ZYNQ
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 专题论述
• 页码范围: 3-6,9
• 页数: 5页
• 分类号: TP391
• 字数: 2882字
• 语种: 中文

摘要

近年来卷积神经网络(CNN)在人工智能领域备受关注,被越来越多应用到实际生产中.为了较好地实现工程应用,需要将算法固化到嵌入式平台上.由于卷积神经网络的数据计算并行度高、计算量大,现场可编程门阵列成为对其进行硬件加速的重要工具.本文基于Xilinx ZYNQ ZC706设计实现了卷积神经网络硬件加速的通用平台,可以满足不同卷积神经网络算法模块实现硬件加速的需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	应三丛	四川大学计算机学院	18	86	5.0	9.0
2	冯光顺	四川大学计算机学院	1	1	1.0	1.0