基于Winograd算法的高效神经网络加速器及FPGA实现 |
| |
引用本文: | 王帅帅,陈强,郭剑博,肖昊.基于Winograd算法的高效神经网络加速器及FPGA实现[J].合肥工业大学学报(自然科学版),2023(12):1659-1665. |
| |
作者姓名: | 王帅帅 陈强 郭剑博 肖昊 |
| |
作者单位: | 合肥工业大学微电子学院 |
| |
基金项目: | 国家自然科学基金资助项目(61974039); |
| |
摘 要: | 为了加速卷积神经网络(convolutional neural networks, CNN)的推断过程,文章采用Winograd算法,基于现场可编程门阵列(field programmable gate array, FPGA)设计一种高效CNN加速器。为解决Winograd算法转置后的数据位宽与数字信号处理单元(digital signal processing, DSP)位宽失配问题,文章提出部分积切割方法,充分利用DSP实现单周期多输出功能;为降低片上内存占用率,设计一种输入特征图可复用的数据流完成片内外数据交互。所设计的加速器在XCKU060板卡上部署,其吞吐率和每个DSP运算效率分别达2.358×1012 OPs和1.15×109 OPs。结果表明该文提出的加速方法有效提升CNN加速器运算单元效率。
|
关 键 词: | 卷积神经网络(CNN) Winograd算法 现场可编程门阵列(FPGA) 处理单元 并行架构 |
|
|