基于FPGA的CNN算法加速

摘要

卷积神经网络(CNN)已被广泛用于计算机视觉任务。最近,基于现代应用的快速发展,深度学习算法的研究与实现得到了进一步的改进。由于FPGA具有高性能,高能源效率和可重构的特点,已被应用与CNN硬件加速领域。本文在ZYNQ开发板上使用VivadoHLS综合工具实现了LeNet-5卷积神经网络的加速。并对设计的加速器进行优化,使其达到了较高的运算速度。引言:卷积神经网络(CNN),作为一个从人工神经网络扩展的学习架构,已广泛应用于各种应用中。包括视频监控,机器人视觉,自然语言处理等方面。CNN仿造生物的视知觉机制构建,包含卷积运算且具有多层神经元连接从而在图像识别中实现高精度。最近,迅速基于深度学习算法的现代应用的增长进一步改善了深度卷积的研究神经网络。