基于FPGA的卷积神经网络加速模块设计

• 作者: 梅志伟 王维东
• 来源期刊: 南京大学学报（自然科学版）
• 学科: 工学
• 关键词: 卷积神经网络 硬件加速 FPGA 并行计算 高效率乘加阵列
• 年，卷（期）: 2020,（4）
• 页码范围: 581-590
• 页数: 10页
• 分类号: TN4
• 语种: 中文
• DOI: 10.13232/j.cnki.jnju.2020.04.016

摘要

针对卷积神经网络前向推理硬件加速的研究,提出一种基于FPGA(Field Programmable Gate Array)的卷积神经网络加速模块,以期在资源受限的硬件平台中加速卷积运算.通过分析卷积神经网络基本结构与常见卷积神经网络的特性,设计了一种适用于常见卷积神经网络的硬件加速架构.在该架构中,采用分层次缓存数据与分类复用数据策略,优化卷积层片外访存总量,缓解带宽压力;在计算模块中,在输入输出通道上并行计算,设计了将乘加树与脉动阵列相结合的高效率计算阵列,兼顾了计算性能与资源消耗.实验结果表明,提出的加速模块运行VGG-16(Visual Geometry Group)卷积神经网络性能达到189.03 GOPS(Giga Operations per Second),在DSP(Digital Signal Processor)性能效率上优于大部分现有的解决方案,内存资源消耗比现有解决方案减少41％,适用于移动端卷积神经网络硬件加速.