计算机应用研究

作者：张骁帆,蒋林,李远成,盛明威,

单位：西安科技大学a.通信与信息工程学院;b.计算机科学与技术学院,西安710600；

关键词：卷积神经网络,可重构结构,数据复用,并行加速,

基金：新一代人工智能国家科技重大专项资助项目(2022ZD0119005)；国家自然科学基金重点资助项目(61834005)；；

可重构阵列结构具有通用处理器的灵活性和专用硬件的高能效，已经成为应对卷积神经网络（CNN）等计算密集和访存密集型应用的最佳选择之一。然而，随着计算量的不断增加，访存开销持续上升，严重限制了计算效率的进一步提升。因此，提出一种面向可重构阵列的CNN多维融合的数据复用新方法。通过计算单元内数据循环调用、不同计算单元间数据脉动传输的策略，在计算单元和阵列两个维度复用数据。同时，通过阵列的重构进行任务切换，实现多维融合的数据复用，并在Virtex UltraScale 440开发板上对所提方法进行了实验验证。结果表明，相比于现有的基于现场可编程门阵列（FPGA）的CNN实现方法，所提方法可使访存次数最高减少69.4%，运算速度提升16.2%以上，处理单元利用率达94.1%。说明该方法能够在可重构阵列实现CNN的高效数据复用，进而达到硬件加速的目的。

来源：2025年第6期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第6期