基于Winograd稀疏算法的卷积神经网络加速器设计与研究

• 作者: 徐睿 李艺煌 郭阳 马胜 黄友
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 卷积神经网络 加速器 Winograd算法 稀疏网络
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 高性能计算
• 页码范围: 1557-1566
• 页数: 10页
• 分类号: TP183
• 字数: 9492字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2019.09.005

摘要

随着卷积神经网络得到愈加广泛的应用,针对其复杂运算的定制硬件加速器得到越来越多的重视与研究.但是,目前定制硬件加速器多采用传统的卷积算法,并且缺乏对神经网络稀疏性的支持,从而丧失了进一步改进硬件,提升硬件性能的空间.重新设计一款卷积神经网络加速器,该加速器基于Winograd稀疏算法,该算法被证明有效降低了卷积神经网络的计算复杂性,并可以很好地适应稀疏神经网络.通过硬件实现该算法,本文的设计可以在减少硬件资源的同时,获得相当大的计算效率.实验表明,相比于传统算法,该加速器设计方案将运算速度提升了近4.15倍;从乘法器利用率的角度出发,相比现有的其他方案,该方案将利用率最多提高了近9倍.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭阳	国防科技大学计算机学院	50	449	9.0	20.0
2	马胜	国防科技大学计算机学院	9	12	2.0	3.0
3	徐睿	国防科技大学计算机学院	3	0	0.0	0.0
4	黄友	国防科技大学计算机学院	1	0	0.0	0.0
5	李艺煌	国防科技大学计算机学院	3	0	0.0	0.0