基于ZYNQ的深度学习卷积神经网络加速平台设计 |
| |
引用本文: | 刘之禹,李述,王英鹤.基于ZYNQ的深度学习卷积神经网络加速平台设计[J].计算机测量与控制,2022,30(12):264-269. |
| |
作者姓名: | 刘之禹 李述 王英鹤 |
| |
作者单位: | 哈尔滨理工大学计算机科学与技术学院,哈尔滨理工大学电气与电子工程学院, |
| |
基金项目: | 国家自然科学(51971086);黑龙江省博士后科研启动基金(LBH-Q16118);黑龙江省高校基础研究基金(LGYC2018JC004) |
| |
摘 要: | 针对将各种卷积神经网络(CNN)模型部署在不同硬件端来实现算法加速时所遇到的耗费时间,工作量大等问题,采用Tengine工具链这一新兴的深度学习编译器技术来设计通用深度学习加速器,来将卷积神经网络模型与硬件后端高效快速对接;深度学习加速器的平台采用ZYNQ系列的ZCU104开发板,采用软硬件协同设计的思想,将开源的英伟达深度学习加速器(NVDLA)映射到可编程逻辑门阵列(FPGA)上,与ARM处理器构成SoC系统;NVDLA整体架构规范,包含软硬件设计,采用Tengine工具链代替原来官方的编译工具链;之后在搭建好的NVDLA平台上实现lenet-5和resnet-18的网络加速,完成了mnist和cifar-10的数据集图像分类任务;实验结果表明,采用Tengine工具链要比NVDLA官方的编译工具链推理速度快2.5倍,并且量化工具使用方便,网络模型部署高效。
|
关 键 词: | 深度学习编译器 NVDLA 卷积神经网络 FPGA 硬件加速 |
收稿时间: | 2022/5/16 0:00:00 |
修稿时间: | 2022/6/11 0:00:00 |
Design of NVDLA Acceleration Platform Based on ZYNQ |
| |
Abstract: | |
| |
Keywords: | deep learning compiler NVDLA convolution neural network FPGA hardware acceleration |
|
| 点击此处可从《计算机测量与控制》浏览原始摘要信息 |
|
点击此处可从《计算机测量与控制》下载全文 |
|