ZYNQ的卷积神经网络硬件加速通用平台设计
近年来卷积神经网络(CNN)在人工智能领域备受关注,被越来越多应用到实际生产中.为了较好地实现工程应用,需要将算法固化到嵌入式平台上.由于卷积神经网络的数据计算并行度高、计算量大,现场可编程门阵列成为对其进行硬件加速的重要工具.本文基于Xilinx ZYNQ ZC706设计实现了卷积神经网络硬件加速的通用平台,可以满足不同卷积神经网络算法模块实现硬件加速的需求.
ZC706、卷积神经网络、硬件加速、FPGA、ZYNQ
19
TP391(计算技术、计算机技术)
四川省科技厅科技支持项目 2016GZ0097
2019-05-31(万方平台首次上网日期,不代表论文的发表时间)
共5页
3-6,9