基于FPGA的卷积神经网络Softmax层实现

摘要

FPGA能够充分发挥卷积神经网络的并行特性,并在小尺寸、低功耗的条件下,实现卷积神经网络的运算,是人工智能研究和发展的新方向。其中,Softmax层函数是神经网络的输出层函数,主要用于神经网络的最后一层。首先简要介绍Softmax层函数,分析几种实现函数的方案,然后采用分段拟合的方法在MATLAB上对Softmax层函数进行逼近,对数据进行量化和分析,在FPGA平台用硬件描述语言实现Softmax层函数,并通过Vivado进行仿真,结果表明误差可以控制在较小数量级。