CNN-卷积神经网络在FPGA上的实现（一）.pdfVIP

CNN-卷卷积积神神经经⽹⽹络络在在FPGA上上的的实实现现 （（⼀⼀）） CNN - 卷积神经⽹络在FPGA上的实现 （⼀） 卷积神经⽹络 （CNN）已被证明在复杂的图像识别问题上⾮常有效。 ⽂将讨论如何使⽤Nallatech公司基于Altera OpenCL软 件开发套件编程的FPGA加速产品来加速CNN卷积神经⽹络的计算。可以通过调整计算精度来优化图像分类性能。降低计算精 度可使FPGA加速器每秒处理越来越多的图像。 Caffe 深度学习框架 Caffe是⼀个深度学习框架,具有表达⼒强、速度快和模块化的思想,由伯克利视觉学习中⼼(BVLC)和社区贡献者开发。⽹站 http://www .doc j .com/doc/6f2ba54ddf80d4d8d15abe23482fb4daa58d1d9b.html / Caffe框架使⽤XML接⼝来描述特定CNN卷积神经⽹络所需的不同处理层。通过实施层的不同组合，⽤户能够根据其给定的需 求快速创建新的⽹络拓扑。 Caffe框架最常⽤的处理层主要有： ●卷积层：卷积层将输⼊图像与⼀组可学习的滤波器进⾏卷积，每个滤波器在输出中产⽣⼀ 个特征图 ●池化层：池化最⼤可以将输⼊图像分割成⼀组⾮重叠的矩形，并且对于每个这样的⼦区域， 输出最⼤值 ●线性修正 （ReLU）层：给定输⼊值x ，如果x 0，则ReLU层