卷積神經(jīng)網(wǎng)絡(luò)（CNN）是一種非常重要的深度學(xué)習(xí)算法,由于通過它得到的結(jié)果識(shí)別效率高,因而得到了廣泛的重視,成為眾多科學(xué)領(lǐng)域的研究熱點(diǎn)之一。除此之外,它在很多領(lǐng)域應(yīng)用廣泛,例如物體檢測(cè),圖像識(shí)別等領(lǐng)域。目前,以應(yīng)用為目標(biāo)的深度學(xué)習(xí)相關(guān)算法發(fā)展迅速,這大大拓展了其應(yīng)用的研究領(lǐng)域。一般來說,深度學(xué)習(xí)技術(shù)包括兩個(gè)過程:數(shù)據(jù)訓(xùn)練和數(shù)據(jù)推斷,而這兩個(gè)過程對(duì)硬件資源的需求不同。GPU適用于數(shù)據(jù)訓(xùn)練階段,而數(shù)據(jù)推斷階段則需要在移動(dòng)設(shè)備上,尤其是FPGA。鑒于FPGA具有高性能、靈活、發(fā)展周期快速等優(yōu)點(diǎn),各種基于FPGA平臺(tái)的深度卷積神經(jīng)網(wǎng)絡(luò)加速器相繼被提出。雖然FPGA加速器已經(jīng)表現(xiàn)出比通用處理器更好的性能,但是在移動(dòng)設(shè)備上加速器設(shè)計(jì)的難度卻并未被降低,尤其是在ARM+FPGA開發(fā)板上實(shí)現(xiàn)非常困難�，F(xiàn)有CNN加速器在設(shè)計(jì)構(gòu)造過程中,需要設(shè)計(jì)人員對(duì)CNN各個(gè)模塊進(jìn)行描述,傳統(tǒng)的方式是通過編寫代碼或者利用高層次綜合技術(shù)。顯而易見,編寫代碼過程不僅難度大,而且還可能因?yàn)槿藶橐蛩卦诰帉懘a時(shí)產(chǎn)生不必要的錯(cuò)誤,從而導(dǎo)致開發(fā)周期長(zhǎng)。這一關(guān)鍵問題得不到解決,就會(huì)導(dǎo)致加速器的設(shè)計(jì)難度加大。本文為了克服上述困難,設(shè)計(jì)和... 

【文章來源】：天津工業(yè)大學(xué)天津市

【文章頁數(shù)】：70 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－１?ＧＭ２０４硬件架構(gòu)圖Ｍ??以ＧＭ２０４硬件圖為例，ＧＰＵ主要由主機(jī)接口（ｈｏｓｔ?ｉｎｔｅｒｆａｃｅ）、復(fù)制引擎??（ｃｏｐｙ?ｅｎｇｉｎｅ）、流處理器簇（Ｓｔｒｅａｍｉｎｇ?Ｍｕｌｔｉｐｒｏｃｅｓｓｏｒｓ）、圖形處理簇??

圖２－４卷積神經(jīng)網(wǎng)絡(luò)發(fā)展歷程??上圖是卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)演化的進(jìn)程，從神經(jīng)認(rèn)知機(jī)模型開始，這時(shí)就生了卷積結(jié)構(gòu)，卷積神經(jīng)網(wǎng)絡(luò)發(fā)展歷程基本可以分為三個(gè)發(fā)展階段，分別階段、實(shí)現(xiàn)階段和應(yīng)用階段。??（１）理論階段。上世紀(jì)８０年代，Ｎｅｏｃｏｇｎｉｔｒｏｒｒ＿＇＿＿＿＇］由Ｆｕｋｕｓｈｉｍａ等人提出層的多層ＡＮＮ。它己被用于手寫字符識(shí)別和其他模式識(shí)別任務(wù)，并作為卷網(wǎng)絡(luò)的靈感。Ｎｅｏｃｏｇｎｉｔｒｏｎ受到了?Ｈｕｂｅｌ＆Ｗｉｅｓｅｌ于１９５９年提出的模型。

?ＦａｓｔＥＲ??Ｖ２?ｒｉ?ｉｎ?ｒｎ?ｒ－ｃｎｎ??圖２－４卷積神經(jīng)網(wǎng)絡(luò)發(fā)展歷程??上圖是卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)演化的進(jìn)程，從神經(jīng)認(rèn)知機(jī)模型開始，這時(shí)就已經(jīng)??誕生了卷積結(jié)構(gòu)，卷積神經(jīng)網(wǎng)絡(luò)發(fā)展歷程基本可以分為三個(gè)發(fā)展階段，分別為理??論階段、實(shí)現(xiàn)階段和應(yīng)用階段。??（１）

【參考文獻(xiàn)】：
期刊論文
[1]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 李彥冬,郝宗波,雷航.  計(jì)算機(jī)應(yīng)用. 2016(09)
[2]基于FPGA的存儲(chǔ)優(yōu)化的細(xì)粒度并行Zuker算法加速器研究[J]. 夏飛,竇勇,徐佳慶,張陽.  計(jì)算機(jī)研究與發(fā)展. 2011(04)

碩士論文
[1]基于自動(dòng)代碼生成技術(shù)的硬件NOC仿真器的設(shè)計(jì)與實(shí)現(xiàn)[D]. 龔丹丹.天津工業(yè)大學(xué) 2017
[2]OpenCL與FPGA異構(gòu)模式的顏色識(shí)別應(yīng)用研究[D]. 唐文龍.湖北大學(xué) 2016
[3]基于FPGA的實(shí)時(shí)動(dòng)態(tài)偵測(cè)系統(tǒng)的軟硬件協(xié)同設(shè)計(jì)[D]. 楊磊.電子科技大學(xué) 2015
[4]基于OpenCL并行加速算法研究及其FPGA實(shí)現(xiàn)[D]. 彭新顯.武漢工程大學(xué) 2014
[5]基于Silverlight的WebGIS研究與實(shí)踐[D]. 王若一.遼寧工程技術(shù)大學(xué) 2011
[6]基于FPGA的視頻圖像處理系統(tǒng)[D]. 楊寧.大連海事大學(xué) 2008
[7]基于nML的指令集仿真器自動(dòng)生成技術(shù)初步研究[D]. 劉競(jìng)楠.華北電力大學(xué)（北京） 2008



本文編號(hào)：3267603