计算机应用研究

作者：蔡瑞初,余洋,钟椿荣,卢冶,陈瑶,

单位：1.广东工业大学计算机学院,广州510006；2.南开大学计算机与控制工程学院,天津300350；3.新加坡高等数字科学中心,新加坡138602；

关键词：卷积神经网络,现场可编程门阵列,高层次综合,加速器,调度,

基金：NSFC-广东联合基金资助项目(U1501254)；广东省杰出青年科学基金资助项目(2014A030306004)；；

卷积神经网络的高计算复杂性阻碍其广泛用于实时和低功耗应用，现有软件实现方案难以满足其对运算性能与功耗的要求，传统面向FPGA的卷积神经网络构造方式具有流程复杂、周期较长和优化空间较小等问题。针对该问题，根据卷积神经网络计算模式的特点，提出一种面向云端FPGA的卷积神经网络加速器的设计及其调度机制。通过借鉴基于HLS技术、引入循环切割参数和对卷积层循环重排的设计，采用模块化方式构造网络，并进行参数拓展以进一步优化加速器处理过程；通过分析系统任务和资源的特性总结调度方案，且从控制流和数据流两方面对其进行优化设计。与其他已有工作相比，提出的设计提供了一种同时具有灵活性、低能耗、高能效和高性能的解决方案，并且探讨了加速器的高效通用调度方案。实验结果表明，该加速器可在有效提高运算整速度的同时减少功耗。

来源：2020年第1期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第1期