发表服务
一、2018年清华论文《AnAsynchronousEnergy-EfficientCNNAcceleratorwithReconfigurableArchitecture》platform：XilinxVC707摘要：1.全局时钟被局部时钟替代，在时钟下形成异步流水线2.每个计算单元全连接5*5的寄存器，保证输入数据被重复...
具有统一展开因子的CNN加速器设计和实现简单，但可能对某些层是次优的。表3显示，使用统一展开因子64,7>，与每个优化卷积层的总执行周期相比，退化在5%以内。因此，方案选择了CNN加速器在卷积层上的统一展开因子。表3
本论文主要目的在于设计一种基于FPGA和USB2.0的视频图像采集及处理平台，在此平台上可以验证各种图像处理或视频压缩算法，并通过USB2.0实现视频图像的PC机采集及处理后数据传输。另外，整个平台还需兼顾处理的实时化和高速化，以满足...
基于FPGA的卷积神经网络加速器的设计与实现.弋凡.【摘要】：近年来,人工智能(ArtificialIntelligence,AI)技术飞速发展,被广泛的应用于各种领域,可以实现智能图像分类、目标识别以及自动驾驶等。.卷积神经网络(ConvolutionalNeuralNetworks,CNN)作为深度学习(DeepLearning...
里面的一些设计哲学就是在分析了DNN的行为模式后设计的。论文的贡献在于：1、对大规模的CNNs和DNNs最先进机器学习算法的综合硬件设计之前的加速器将神经网络每一层一次性全部实现到了硬件上，这种做法只适合规模小的网络结构。
能效优先：eyerissCNN加速器的设计思路.eyeriss是MIT提出的深度学习加速器，目前总共有2代芯片，v1和v2。.第一代是基础结构，第二代在v1的基础上提供了稀疏化和更灵活的网络结构。.eyeriss的结构和我们熟知的TPU，DLA，Thinker等有所不同，主要体现在其PE计算的...
②陈云霁论文的数据显示片外访存几乎占了所有能耗[2]，所以现在CNN加速器访存仍然是性能瓶颈。图2：CNN加速器的访存瓶颈卷积神经网络的一个基本的运算是有七层循环（图3），包含很多数据重用方式，如权重重用、输出重用，但这里的运算统计不分训练过程和验证过程。
CNN近年来发展迅速，在图像领域更是主流方法，驱动着物体检测、关键点检测等的发展，但CNN对于图像语义分割却在时间和精度方面都表现不好。本文提出了FCN，针对语义分割训练一个端到端，点对点的网络，达到了state-of-the-art。
然后，我们设计了一个包含矢量发生器模块(VGM)的FPGA加速器，它可以根据所提出的数据流匹配稀疏权值和输入激活之间的索引。.实验结果表明，我们的实现在XilinxZCU102上分别实现了987imag/s和48imag/s的AlexNet和VGG-16性能，比之前的CNNFPGA加速器提高了1.5x到6.7x的...
深度神经网络加速器体系结构概述.陈怡然a(.yiran.chen@duke.edu.),谢源b,宋凌皓a,陈凡a,唐天琪b.aDepartmentofElectricalandComputerEngineering,DukeUniversity,Durham,NC27708,USA.bDepartmentofElectricalandComputerEngineering,UniversityofCalifornia,SantaBarbara,CA93106-9560,USA.收稿...
一、2018年清华论文《AnAsynchronousEnergy-EfficientCNNAcceleratorwithReconfigurableArchitecture》platform：XilinxVC707摘要：1.全局时钟被局部时钟替代，在时钟下形成异步流水线2.每个计算单元全连接5*5的寄存器，保证输入数据被重复...
具有统一展开因子的CNN加速器设计和实现简单，但可能对某些层是次优的。表3显示，使用统一展开因子64,7>，与每个优化卷积层的总执行周期相比，退化在5%以内。因此，方案选择了CNN加速器在卷积层上的统一展开因子。表3
本论文主要目的在于设计一种基于FPGA和USB2.0的视频图像采集及处理平台，在此平台上可以验证各种图像处理或视频压缩算法，并通过USB2.0实现视频图像的PC机采集及处理后数据传输。另外，整个平台还需兼顾处理的实时化和高速化，以满足...
基于FPGA的卷积神经网络加速器的设计与实现.弋凡.【摘要】：近年来,人工智能(ArtificialIntelligence,AI)技术飞速发展,被广泛的应用于各种领域,可以实现智能图像分类、目标识别以及自动驾驶等。.卷积神经网络(ConvolutionalNeuralNetworks,CNN)作为深度学习(DeepLearning...
里面的一些设计哲学就是在分析了DNN的行为模式后设计的。论文的贡献在于：1、对大规模的CNNs和DNNs最先进机器学习算法的综合硬件设计之前的加速器将神经网络每一层一次性全部实现到了硬件上，这种做法只适合规模小的网络结构。
能效优先：eyerissCNN加速器的设计思路.eyeriss是MIT提出的深度学习加速器，目前总共有2代芯片，v1和v2。.第一代是基础结构，第二代在v1的基础上提供了稀疏化和更灵活的网络结构。.eyeriss的结构和我们熟知的TPU，DLA，Thinker等有所不同，主要体现在其PE计算的...
②陈云霁论文的数据显示片外访存几乎占了所有能耗[2]，所以现在CNN加速器访存仍然是性能瓶颈。图2：CNN加速器的访存瓶颈卷积神经网络的一个基本的运算是有七层循环（图3），包含很多数据重用方式，如权重重用、输出重用，但这里的运算统计不分训练过程和验证过程。
CNN近年来发展迅速，在图像领域更是主流方法，驱动着物体检测、关键点检测等的发展，但CNN对于图像语义分割却在时间和精度方面都表现不好。本文提出了FCN，针对语义分割训练一个端到端，点对点的网络，达到了state-of-the-art。
然后，我们设计了一个包含矢量发生器模块(VGM)的FPGA加速器，它可以根据所提出的数据流匹配稀疏权值和输入激活之间的索引。.实验结果表明，我们的实现在XilinxZCU102上分别实现了987imag/s和48imag/s的AlexNet和VGG-16性能，比之前的CNNFPGA加速器提高了1.5x到6.7x的...
深度神经网络加速器体系结构概述.陈怡然a(.yiran.chen@duke.edu.),谢源b,宋凌皓a,陈凡a,唐天琪b.aDepartmentofElectricalandComputerEngineering,DukeUniversity,Durham,NC27708,USA.bDepartmentofElectricalandComputerEngineering,UniversityofCalifornia,SantaBarbara,CA93106-9560,USA.收稿...
发表服务