一种用于激光焊接参数运算的可配置型BP神经网络计算加速器

人工神经网络在各类激光技术中有着广泛应用，但是传统的流水展开架构加速器无法处理激光焊接参数提取、激光诱导击穿光谱分析等计算任务所需的多种反向传播（BP）神经网络。本课题组基于Xilinx PYNQ-Z2开发平台设计并实现了一种面向激光焊接技术的BP神经网络可配置型计算加速器架构。采用可配置架构设计和复用运算单元互连的方式，硬件电路可拟合成多种BP网络结构，加速器具有灵活的可配置性；同时，采用基于多级缓存结构的数据读取方法，解决了加速器运算阵列在读入数据时因多次访问片外存储器而导致的读取速度的瓶颈。基于实际激光焊接参数数据集的计算结果表明，所设计的加速器可以高效地加速具有多种神经元数量的BP神经网络。与嵌入式处理平台相比，加速器的典型网络运算性能平均有10.5倍的提升，神经元数目超过100的大型网络运算性能有56.4倍的提升，并且处理速度优于改进前于同一平台实现的普通加速器。