近年來,卷積神經(jīng)網(wǎng)絡(luò)算法在計(jì)算機(jī)視覺領(lǐng)域取得越來越突出的成就。信息時(shí)代數(shù)據(jù)的爆炸讓算法“學(xué)”得越來越多,集成電路的發(fā)展提供的強(qiáng)大計(jì)算能力讓算法“學(xué)”得越來越快。但是,算法在取得越來越好的效果的同時(shí),復(fù)雜度也越來越高。另一方面,智能手機(jī)、機(jī)器人、智能駕駛等技術(shù)開始廣泛應(yīng)用,而在這些應(yīng)用場合下,由于隱私、實(shí)時(shí)性強(qiáng)等要求,大部分應(yīng)用只能進(jìn)行本地運(yùn)算,傳統(tǒng)的通用處理器架構(gòu)并不適合算法的實(shí)時(shí)運(yùn)算,所以有必要對算法的加速進(jìn)行探索研究。本文具體工作和創(chuàng)新如下:1、本文訓(xùn)練了基于卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別算法,并基于該算法搭建了人臉檢測系統(tǒng),該系統(tǒng)試驗(yàn)結(jié)果表明本文訓(xùn)練的人臉識(shí)別算法具有一定實(shí)用性;另外,本文也訓(xùn)練了基于卷積神經(jīng)網(wǎng)絡(luò)的數(shù)字識(shí)別算法;兩個(gè)算法都達(dá)到了較高的識(shí)別準(zhǔn)確率。2、本文針對卷積神經(jīng)網(wǎng)絡(luò)算法難以在傳統(tǒng)處理器進(jìn)行實(shí)時(shí)計(jì)算這一問題,采用了一些設(shè)計(jì)方法,提出一種卷積神經(jīng)網(wǎng)絡(luò)加速器架構(gòu)。該架構(gòu)針對算法密集的乘累加計(jì)算設(shè)計(jì)專用的乘累加計(jì)算單元;根據(jù)數(shù)據(jù)可重用性,設(shè)計(jì)不同的緩存級數(shù)用于對數(shù)據(jù)進(jìn)行重用,減少額外的訪存;依據(jù)卷積神經(jīng)網(wǎng)絡(luò)算法的并行性將計(jì)算單元設(shè)計(jì)成可并行模式,并將計(jì)算架構(gòu)設(shè)計(jì)成并行可配置形... 

【文章來源】：南京航空航天大學(xué)江蘇省 211工程院校

【文章頁數(shù)】：82 頁

【學(xué)位級別】：碩士

【部分圖文】：

激活函數(shù)

面向圖像識(shí)別的卷積神經(jīng)網(wǎng)絡(luò)加速器研究，而多維卷積的計(jì)算不僅要頻繁的訪問參數(shù)數(shù)據(jù)，而征圖，這也會(huì)造成頻繁的讀取特征圖數(shù)據(jù)，所以多維，還要考慮頻繁的訪存。很多基于卷積神經(jīng)網(wǎng)絡(luò)的加對外的訪存，如 diannao[14]采用片內(nèi)片外存儲(chǔ)相結(jié)合之后，先進(jìn)行緩存，緩存的數(shù)據(jù)要充分利用，再從片外示的多種存儲(chǔ)結(jié)構(gòu)，來訪問數(shù)據(jù)，NBin 和 SB 分別

圖 3. 4 一維卷積計(jì)算波形圖下圖 3.5 中，把一維卷積的計(jì)算單元命名為 PE，由上面討論可知，一個(gè) PE 可以計(jì)算一行部分和，如果布置多個(gè) PE，把第一行輸出的部分和全部計(jì)算出來，然后把這些部分和累加起來就得到二維卷積輸出的第一行，如果繼續(xù)布置 PE，可以把二維卷積的另外幾行計(jì)算出來，從而完成圖片的二維卷積。PEp3 p2w3 w2 w1op5 p4p1部分和*=ROW1 * ROW1PE2ROW1 * ROW1PE3ROW1 * ROW1PE1部分和部分和ROW1'ROW1ROW2ROW3ROW1ROW2ROW3ROW1'圖 3. 5 二維卷積電路結(jié)構(gòu)圖

【參考文獻(xiàn)】：
期刊論文
[1]一種新型2-D卷積器的FPGA實(shí)現(xiàn)[J]. 桑紅石,廖定彬,江威.  微電子學(xué)與計(jì)算機(jī). 2011(09)
[2]基于FPGA的32位并行乘法器的設(shè)計(jì)與實(shí)現(xiàn)[J]. 蔣勇,羅玉平,馬晏,葉新.  計(jì)算機(jī)工程. 2005(23)



本文編號(hào)：2934840