卷积神经网络RLeNet加速器设计

• 作者: 康磊 李慧 郑豪威 李鑫
• 来源期刊: 电脑知识与技术:学术版
• 学科: 工学
• 关键词: CNN FPGA RLeNet MNIST 手写体数字识别
• 年，卷（期）: 2021,（6）
• 页码范围: 16-19
• 页数: 4页
• 分类号: TP389.1

摘要

针对卷积神经网络(CNN)对运算的需求,现场可编程逻辑门阵列(FPGA)可以充分挖掘CNN内部并行计算的特性,提高运算速度。因此,本文基于FPGA开发平台,从模型优化、参数优化,硬件加速以及手写体数字识别四个方面对CNN的FPGA加速及应用进行研究。提出一种数字识别网络RLeNet,并对网络进行参数优化,卷积运算加速采用脉冲阵列与加法树结合的硬件结构实现,同时使用并行技术和流水线技术优化加速,并使用microblaze IP通过中断控制CNN加速器IP接收串口发送的图片数据进行预测,输出结果。最后在Xilinx Nexys 4 DDR:Artix-7开发板上实现了MNIST数据集手写体数字识别预测过程,当系统时钟为200MHz时,预测一张图片的时间为36.47us。