基于FPGA的深度卷积神经网络加速器及其设计方法技术

本发明专利技术提出了一种面向FPGA的深度卷积神经网络加速器及其设计方法，所述面向FPGA的深度卷积神经网络加速器包括：DCNN模型优化单元、DCNN模型量化单元和硬件结构设计单元；各个单元之间彼此相连作用，最终得到基于FPGA的DCNN加速器；所述DCNN模型优化单元包括冗余特征压缩、模型并行训练和参数并行合并。本发明专利技术提出的基于FPGA的深度卷积神经网络加速器及其的设计方法，不仅能够减少DCNN模型的参数数量和计算量，降低其对存储空间和计算资源的需求，使得在FPGA上的部署更为便捷，而且通过设计合理的硬件架构，成功实现在FPGA上部署复杂的DCNN模型，极大提升了模型的计算速度。此外，这种方法充分考虑到不同DCNN模型的结构差异，因此对各类DCNN模型具有广泛适用性。

【技术实现步骤摘要】

本专利技术涉及人工智能与电子信息交叉，特别是涉及一种基于fpga的深度卷积神经网络加速器及其设计方法。

技术介绍

1、dcnn(deep convolutional neural network)是一种特殊类型的神经网络，它对特征的多阶段提取，使其具有强大的学习能力，可以自动学习数据特征，被广泛应用于图像分类、语义分割、目标检测、自然语言处理和语音识别。如今，随着现代互联网技术的不断发展，网络数据呈几何级数增长，大数据时代已经到来。网络中的海量数据信息蕴含着大量的行业资源，如何正确快速处理所需的数据信息，成为各行业面临的重要课题。传统dcnn算法难以适应数据量的爆炸增长，模型训练代价和复杂程度也随着数据规模增大不断提升。因此，改进dcnn算法使其适用于大数据环境具有十分重要的意义。

2、当前，dcnn的部署多选用图形处理器(graphics processing unit，gpu)、张量处理器(tensor processing unit，tpu)等器件作为平台来承载算法。但是由于gpu等器件具有能耗高、体积大等缺点，人们在小型移动系统和可穿戴本文档来自技高网...

【技术保护点】

1.一种基于FPGA的深度卷积神经网络加速器，其特征在于，包括：DCNN模型优化单元、DCNN模型量化单元和硬件结构设计单元；各个单元之间彼此相连作用，最终得到基于FPGA的DCNN加速器；所述DCNN模型优化单元包括冗余特征压缩、模型并行训练和参数并行合并。

2.一种基于FPGA的深度卷积神经网络加速器的设计方法，其特征在于，包括以下步骤：

3.根据权利要求2所述的一种基于FPGA的深度卷积神经网络加速器的设计方法，其特征在于，根据数据倾斜因子，检测中间数据倾斜程度；所述数据倾斜因子DSF的计算公式如下：

4.根据权利要求1所述的一种基于FPGA的深...

【技术特征摘要】

1.一种基于fpga的深度卷积神经网络加速器，其特征在于，包括：dcnn模型优化单元、dcnn模型量化单元和硬件结构设计单元；各个单元之间彼此相连作用，最终得到基于fpga的dcnn加速器；所述dcnn模型优化单元包括冗余特征压缩、模型并行训练和参数并行合并。

2.一种基于fpga的深度卷积神经网络加速器的设计方法，其特征在于，包括以下步骤：

3.根据权利要求2所述的一种基于fpga的深度卷积神经网络加速器的设计方法，其特征在于，根据数据倾斜因子，检测中间数据倾斜程度；所述数据倾斜因子dsf的计算公式如下：

4.根据权利要求1所述的一种基于fpga的深度卷积神经网络加速器的设计方...

【专利技术属性】
技术研发人员：毛伊敏，苗德成，周奇航，
申请(专利权)人：江西理工大学，
类型：发明
国别省市：