基于FPGA的多卷积神经网络任务实时切换方法

• 作者: 叶茂 赵子龙 赵毅强
• 来源期刊: 南京大学学报（自然科学版）
• 学科: 工学
• 关键词: 现场可编程门阵列 卷积神经网络 多任务切换 实时性系统
• 年，卷（期）: 2020,（2）
• 页码范围: 167-174
• 页数: 8页
• 分类号: TN4
• 字数: 4539字
• 语种: 中文
• DOI: 10.13232/j.cnki.jnju.2020.02.002

摘要

使用硬件平台实现卷积神经网络的计算可以获得良好的加速效果和功耗,但由于卷积神经网络模型庞大、计算复杂、硬件平台资源有限,在实际应用中多个卷积神经网络任务之间只能串行计算,这导致系统在处理多个任务时的实时性较差.为提升硬件系统的实时性,提出一种多卷积神经网络任务实时切换方法.基于FPGA (Field Programmable Gate Array)平台进行卷积神经网络部署,根据功能划分系统模块.采用“任务序列+控制模块”的设计结构,控制系统根据卷积神经网络任务的优先级进行计算和切换;在计算模块中,复用可配置的卷积单元减少资源开销;提出一种多任务层级切换机制以提升系统的实时性.利用手写数字识别网络进行验证,实验结果表明:可配置的设计减少了除BRAM(Block Random Access Memory)外50％以上的资源开销;在50 MHz的工作频率下,FPGA的识别速度是CPU(Central Processing Unit)的4.51倍,功耗比为CPU的2.84倍;采用实时切换机制最快可使最高优先级任务提前57.26 ms被响应,提升了串行计算系统的实时性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵毅强	天津大学微电子学院	85	556	13.0	18.0
5	叶茂	天津大学微电子学院	9	22	2.0	4.0
9	赵子龙	天津大学微电子学院	1	0	0.0	0.0