卷积神经网络RLeNet加速器设计.pdfVIP

ISSN1009-3044 E-mail：eduf@ ComputerKnowledgeandTechnology 电脑知识与技术 ComputerKnowledgeandTechnology电脑知识与技术 第17卷第6期(2021年2月) http：// Vol.17,No.6 February 2021 Tel：+86-55165690964 卷积神经网络RLeNet加速器设计 康磊，李慧，郑豪威，李鑫 （西安石油大学计算机学院，陕西西安710000） 摘要：针对卷积神经网络（CNN）对运算的需求，现场可编程逻辑门阵列(FPGA)可以充分挖掘CNN内部并行计算的特性，提 高运算速度。因此，本文基于FPGA开发平台，从模型优化、参数优化，硬件加速以及手写体数字识别四个方面对CNN的 FPGA加速及应用进行研究。提出一种数字识别网络RLeNet，并对网络进行参数优化，卷积运算加速采用脉冲阵列与加法 树结合的硬件结构实现，同时使用并行技术和流水线技术优化加速，并使用microblazeIP通过中断控制CNN加速器IP接 收串口发送的图片数据进行预测，输出结果。最后在XilinxNexys4DDR：Artix-7开发板上实现了MNIST数据集手写体数 字识别预测过程，当系统时钟为200MHz时，预测一张图片的时间为36.47us。 关键词：CNN；FPGA；RLeNet；MNIST；手写体数字识别 中图分类号：TP389.1 文献标识码:A 文章编号：1009-3044(2021)06-0016-04 开放科学（资源服务）标识码（OSID）: DesignofRLeNetAcceleratorBasedonConvolutionalNeuralNetwork KANGLei,LIHui,ZHENGHao-wei,LIXin (SchoolofComputerScience,XianShiyouUniversity,Xian710000,China) Abstract:Inresponsetotherequirementofconvolutionalneuralnetwork (CNN) formultiplicationandaccu-mulationoperations, FieldProgrammableLogicGateArray (FPGA)canfullytapthecharacteristicsofparallelcomputingwithinCNNandincreasethe speedofoperation.Therefore,basedontheFPGAdevelopmentplatform,thisarticlestudiestheFPGAaccelerationandapplication ofCNNfromfouraspects:modeloptimization, parameteroptimization, hardwareacceleration, andhandwrittendigitrecognition. ProposeadigitalrecognitionnetworkRLeNet,andoptimizetheparametersofthenetwork.Convolutionoperationaccelerationusea hardwarestructurecombiningpulsearrayandadditiontree,paralleltechnology,pipelinetechnology,andmicroblazeIPisusedto controltheCNNacceleratorthroughinterrupts.TheIPreceivesthepicturedatasentbytheserialportforpred