期刊专题

10.16157/j.issn.0258-7998.174161

深度学习中的卷积神经网络系统设计及硬件实现

引用
针对目前深度学习中的卷积神经网络(CNN)在CPU平台下训练速度慢、耗时长的问题,采用现场可编程门阵列(FPGA)硬件平台设计并实现了一种深度卷积神经网络系统.该系统采用修正线性单元(ReLU)作为特征输出的激活函数并使用Softmax函数作为输出分类器.利用流水线技术并针对每一层的特征运算进行了并行处理,从而能够在1个系统时钟周期内完成整个CNN中的295次卷积运算.系统最后采用MNIST数据集作为实验样本,实验结果表明,在50 MHz的工作频率下,FPGA的训练用时相较于通用CPU的训练用时提升了8.7倍,经过2 000次迭代后系统识别的准确率为92.42%.

深度学习、卷积神经网络、FPGA、并行处理

44

TP391(计算技术、计算机技术)

贵州省科技厅联合基金项目黔科合LH字[2014]7630;贵州省普通高等学校智能物联网工程中心建设项目黔教合KY字[2016]016;贵州省功率元器件可靠性重点实验室开发基金项目KFJJ201602;贵州大学引进人才科研项目贵大人基合字201553号

2018-06-11(万方平台首次上网日期,不代表论文的发表时间)

共4页

56-59

暂无封面信息
查看本期封面目录

电子技术应用

0258-7998

11-2305/TN

44

2018,44(5)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn