一种基于异构计算的卷积神经网络算法设计实现方法

摘要

本发明方法属于异构计算、图像识别技术领域。具体为一种基于异构计算的卷积神经网络算法设计实现方法。本发明实现的硬件平台是Xilinx ZYNQ‑7020可编程片上SoC，硬件平台内置FPGA和ARM处理器，实现的软件平台为SDSoC，通过将高层中和和软件定义连接框架组合在一起，能够无缝地将HLS的结果连接到软件应用中。本发明首先在PC上设计网络模型和训练网络模型，然后在PC上提取网络模型参数，接着在SDSoC平台快速对卷积神经网络算法进行软硬件代码分区，其中输入数据图像预处理、池化层、分类算法在ARM端实现，将计算量最大的卷积运算映射到FPGA上实现，从而达到系统要求的性能和面积。本发明利用异构平台快速实现卷积神经网络算法的实现，在保证卷积算法的精度条件下，大幅度提升算法的效率和降低了功耗。