计算机工程与科学

作者：王鹏, 张嘉诚, 范毓洋,

单位：1.中国民航大学民航航空器适航审定技术重点实验室，天津 300399；2.中国民航大学安全科学与工程学院，天津 300399

关键词：深度神经网络,硬件,剪枝,量化,FPGA,

基金：国家重点研发计划(2021YFB1600600)

深度神经网络由于性能优异已经在图像识别、目标检测等领域广泛应用，然而其包含大量参数和巨大计算量，导致在需要低延时和低功耗的移动边缘端部署时困难。针对该问题，提出一种用移位加法代替乘法运算的压缩算法，通过对神经网络进行剪枝和量化将参数压缩至低比特。该算法在乘法资源有限的情况下降低了硬件部署难度，可满足移动边缘端低延时和低功耗的要求，提高运行效率。对ImageNet数据集经典神经网络进行了实验，结果表明神经网络的参数在压缩到4 bit的情况下，其准确率与全精度神经网络的基本一致，甚至在ResNet18、ResNet50和GoogleNet网络上的Top-1/Top-5准确率还分别提升了0.38%/0.22%,0.35%/0.21%和1.14%/0.57%。对VGG16第8层卷积层进行实验，将其部署在Zynq7035上，结果表明,压缩后的网络在使用的DSP资源减少43%的情况下缩短了51.1%的推理时间，并且减少了46.7%的功耗。

来源：2024年第9期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2024年第9期