卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)已經(jīng)成為機器學(xué)習(xí)的一項重要技術(shù)。在移動平臺上,高能效對于CNN處理器來說至關(guān)重要,特別是在自動駕駛汽車、圖像識別和其他物聯(lián)網(wǎng)設(shè)備等能耗受限平臺。對CNN處理器功耗進行分解,其功耗主要來源于兩個方面:(1)數(shù)據(jù)訪問功耗;(2)乘累加計算功耗。在許多網(wǎng)絡(luò)模型上已經(jīng)證明了二值化CNN網(wǎng)絡(luò)(Binarized Weight Network,BWN)有高能效和接近全精度的識別能力。本文主要研究適用于BWN網(wǎng)絡(luò)的新型矢量乘累加計算處理單元(Processing Element,PE)。論文主要工作包括:(1)總結(jié)了國內(nèi)外提升CNN處理器能效的技術(shù)手段,重點分析了CNN中幾種處理單元設(shè)計技術(shù)�？紤]能效、面積等綜合指標(biāo)和CNN的容錯性,選擇了模擬矢量乘累加計算這一在提升網(wǎng)絡(luò)能效方面具有很大優(yōu)勢的技術(shù)路線;(2)設(shè)計了存儲和計算一體化的壓控模擬乘累加計算單元,該計算單元提高了數(shù)據(jù)的復(fù)用率,減小了數(shù)據(jù)訪問的功耗和乘累加計算功耗,相比于數(shù)字電路乘累加計算單元,本文提出的乘累加單元的計算功耗降低了32.7%;(3)設(shè)計了一種抗工藝... 

【文章來源】：東南大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【部分圖文】：

三個電壓動態(tài)調(diào)節(jié)波形圖

【參考文獻】：
期刊論文
[1]基于FPGA的脈沖神經(jīng)網(wǎng)絡(luò)加速器設(shè)計[J]. 沈陽靖,沈君成,葉俊,馬琪.  電子科技. 2017(10)
[2]基于FPGA的卷積神經(jīng)網(wǎng)絡(luò)加速器[J]. 余子健,馬德,嚴(yán)曉浪,沈君成.  計算機工程. 2017(01)



本文編號：2920278