隨著人工智能和大數(shù)據(jù)時(shí)代的到來,卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network,CNN)的關(guān)注度越來越高。卷積神經(jīng)網(wǎng)絡(luò)是一種多層神經(jīng)網(wǎng)絡(luò),對(duì)其進(jìn)行深入的研究在圖像分類、模式識(shí)別^[1]、物體檢測(cè)、視頻監(jiān)控^[2]、機(jī)器視覺^[3]和科學(xué)計(jì)算等領(lǐng)域具有重要的研究意義和應(yīng)用價(jià)值。卷積神經(jīng)網(wǎng)絡(luò)是一種前饋網(wǎng)絡(luò)結(jié)構(gòu),層與層之間計(jì)算相互獨(dú)立,具有很高的并行性^[4]。因此越來越多的研究者采用FPGA開發(fā)基于卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用^[5][6][7]。現(xiàn)場(chǎng)可編輯門陣列(Field Programmable Gate Array,FPGA)作為一種可編程的邏輯器件具有可編程邏輯資源豐富、高性能、低功耗等優(yōu)點(diǎn)。而基于FPGA+CPU的異構(gòu)計(jì)算采用了面向OpenCL(Open Computing Language,開放運(yùn)算語言)標(biāo)準(zhǔn)的開發(fā)方式,不僅充分利用了FPGA高度并行性和低功耗的特點(diǎn),而且具有更短的開發(fā)周期和良好的性能。本文首先對(duì)卷積神經(jīng)網(wǎng)絡(luò)的基本概念以及應(yīng)用場(chǎng)景進(jìn)行了研究分析。由...

【文章頁數(shù)】：80 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2.4數(shù)學(xué)計(jì)算中神經(jīng)元的模型

之間的特征映射圖數(shù)量沒有發(fā)生變化，映射關(guān)系沒有改變。采樣核與特征映應(yīng)位置的特征值進(jìn)行運(yùn)算，并沿水平方向和垂直方向上以固定步長移動(dòng)，直個(gè)輸入特征映射圖。如圖2.3所示，采樣核的大小(kernelsize)為2×2，水平向上的移動(dòng)步長(step)為2，其中采樣核的大小可以根....

圖2.5Sigmoid函數(shù)的導(dǎo)數(shù)圖像和函數(shù)圖像

西安電子科技大學(xué)碩士學(xué)位論文訓(xùn)練系統(tǒng)庫的樣本不一定是線性可分的，所以我們引入激活函數(shù)，即在神經(jīng)網(wǎng)入非線性因素，來解決系統(tǒng)樣本線性不可分割的問題。接下來我們介紹幾種�；詈瘮�(shù)。（1）Sigmoid函數(shù)。Sigmoid函數(shù)是早期使用的激活函數(shù)，它的函數(shù)圖像和導(dǎo)數(shù)圖像如圖2.5所....

圖3.2二維索引空間示意圖

圖3.2二維索引空間示意圖如圖所示，NDRange表示OpenCL的索引空間。NDRange的大小被定X,GY)，包含工作組的個(gè)數(shù)為WX乘以WY，每個(gè)工作組的大小為(LX,LY)。在工作組的局部ID由(LX,LY)確定，全局ID則由(GX,GY)確定。例....

圖3.8DE5-Net開發(fā)板正面圖示

SO-DIMMRAM、四塊獨(dú)立的QDRII+SRAM、四個(gè)SATA接口和高速并行的閃存，這給需要高存儲(chǔ)容量和高速存儲(chǔ)的設(shè)計(jì)提供了非常好的平臺(tái)。DE5-Net開發(fā)板正面如圖3.8所示。圖3.8DE5-Net開發(fā)板正面圖示從圖3.8中可以看出所有的關(guān)鍵部件都鏈....

本文編號(hào)：3955502