一种面向FPGA资源的神经网络可重构配置映射方法技术

本发明专利技术公开了一种面向FPGA资源的神经网络可重构配置映射方法，涉及嵌入式人工智能系统技术领域，包括以下步骤：根据不同任务需求调整FPGA平台，构建面向资源约束的多种映射方案；通过分析不同FPGA平台的资源特征，建立映射评估模型，对多种映射方案进行评估，分析不同映射方案之间的差异以及在不同FPGA平台上的表现差异；根据应用领域部署不同神经网络算法，构建部分可重构映射调整方案。本发明专利技术面向FPGA平台资源特征进行分析，通过进行资源约束，有效减小映射空间。在某一资源受限时，通过相同逻辑不同资源的替换方法，进一步探索加速器性能边界。支持FPGA部分可重构方法下的配置映射方法，通过分析目标平台部分可重构后的资源变化及参数调整，可以快速完成新的映射方案。案。案。

【技术实现步骤摘要】
一种面向FPGA资源的神经网络可重构配置映射方法


[0001]本专利技术涉及嵌入式人工智能系统
，特别是涉及一种面向FPGA资源的神经网络可重构配置映射方法。

技术介绍

[0002]由于FPGA平台带宽有限，因此与神经网络算法较高的数据吞吐量存在不匹配的问题。由于算法到硬件结构映射过程中FPGA资源和带宽的未得到充分利用，现有的方法无法实现充分利用已有资源以达到最佳性能。神经网络算法快速迭代并带来了较高的复杂性和特殊性。神经网络较大的数据量带来了较高的存储需求，必须通过算法到硬件的局部映射配合数据流的调度方法完成。另外，由于神经网络结构的复杂多变性和部署环境的多样性，应当以目标FPGA平台的资源作为约束进行快速设计空间探索，结合算法和硬件之间的适应性，找到最佳映射方法。
[0003]在单个设计实例上执行ResNet
‑
50中两个不同卷积层对应不同映射选择对性能的影响十分巨大。对于相同的卷积层和固定加速器结构，使用不同的映射方法之间可以具有10倍的性能差距。因此通过算法找到特定于某一FPGA平台及某神经网络算法的最本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向FPGA资源的神经网络可重构配置映射方法，其特征在于，包括以下步骤：根据不同任务需求调整FPGA平台，构建面向资源约束的多种映射方案；通过分析不同FPGA平台的资源特征，建立映射评估模型，对多种映射方案进行评估，分析不同映射方案之间的差异以及在不同FPGA平台上的表现差异；根据应用领域部署不同神经网络算法，构建部分可重构映射调整方案。2.如权利要求1所述的一种面向FPGA资源的神经网络可重构配置映射方法，其特征在于，构建所述面向资源约束的多种映射方案具体包括以下步骤：结合FPGA平台的资源特征，提取具有共同特征的加速器结构参数及运行参数，为资源约束的评估方法和性能预测模型的构建提供支持；结合计算数据依赖关系以及神经网络结构参数，进行资源自适应的架构设计，针对加速器系统架构进行计算系统性能预测以及硬件结构适应性评估；根据评估结果选择并确定最优的智能计算系统架构及其硬件映射方案。3.如权利要求2所述的一种面向FPGA资源的神经网络可重构配置映射方法，其特征在于，在进行资源自适应的架构设计过程中，使用FPGA资源作为约束以减小设计空间，并通过一个性能预测的评估模型进行映射方法的最优化选择；按照确定的FPGA内计算阵列规模、数据复用方法可以确定片上数据带宽需求，由此对存储体输出带宽进行约束；对于需要进行缓存数据导致的存储资源的开销受到FPGA中BRAM资源约束，对于需要执行的计算任务导致的计算资源的开销受到FPGA中DSP资源的约束。4.如权利要求3所述的一种面向FPGA资源的神经网络可重构配置映射方法，其特征在于，当所述存储资源受限后，需要调整计算部件各组织层次的任务分配策略以满足存储资源约束；若调整计算任务分配策略后仍无法满足约束条件，则减小计算部件规模并重新开始架构搜索。...

【专利技术属性】
技术研发人员：张盛兵，张萌，李鑫，张伟，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：