计算机工程与科学

作者：秦文强, 吴仲城, 张俊, 李芳,

单位：1.安徽大学物质科学与信息技术研究院,安徽 合肥 230601；2.中国科学院合肥物质科学研究院强磁场科学中心,安徽 合肥 230031；3.强磁场安徽省实验室,安徽 合肥 230031

关键词：现场可编程门阵列(FPGA),Vivado高层次综合,卷积神经网络,异构平台,硬件加速,

基金：中国科学院合肥大科学中心重点研发项目(2019HSC-KPRD003)；合肥综合性国家科学中心项目（QGCYY04）

在计算和存储资源受限的嵌入式设备上部署卷积神经网络，存在执行速度慢、计算效率低、功耗高的问题。提出了一种基于异构平台的新型卷积神经网络加速架构，设计并实现了基于MobileNet的轻量化卷积神经网络加速系统。首先，为降低硬件资源消耗以及数据传输成本，采用动态定点数量化和批标准化融合的设计方法，对网络模型进行了优化，并降低了加速系统的硬件设计复杂度；其次，通过实现卷积分块、并行卷积计算、数据流优化，有效提高了卷积运算效率和系统吞吐率。在PYNQ-Z2平台上的实验结果表明，此加速系统实现的MobileNet网络推理加速方案对单幅图像的识别时间为0.18 s，系统功耗为2.62 W，相较于ARM单核处理器加速效果提升了128倍。

来源：2024年第1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1期