基于FPGA的卷积神经网络浮点激励函数实现北大核心CSCD |
| |
作者姓名: | 李施豪应三丛 |
| |
作者单位: | 1.四川大学计算机学院视觉合成图形图像技术国家重点学科实验室610065; |
| |
基金项目: | 国家"八六三"计划项目(2015AA016405);四川省科技厅科技支撑项目(2016GZ0097) |
| |
摘 要: | 卷积神经网络因深度学习概念的提出再一次被研究人员所重视.激励函数是卷积神经网络的一个重要组成部分,选取了sigmoid函数作为实验对象.讨论了当前几种可行的逼近方法,最终采用分段四阶多项式拟合sigmoid函数.在FPGA上使用Verilog硬件描述语言设计了并行电路,并采集了数据集进行FPGA与CPU版本caffe库进行运算效率对比.实验结果表明,此种方法误差小效率高,FPGA在深度学习领域有着广阔的应用前景.
|
关 键 词: | 卷积神经网络 激励函数 FPGA 多项式逼近 |
本文献已被 维普 等数据库收录! |
|