【论文阅读】A High-Performance CNN Processor Based on FPGA for MobileNets

已于 2024-01-15 14:58:26 修改
阅读量1k 收藏 17
点赞数 18
分类专栏： FPGA深度学习 文章标签： fpga开发 论文阅读 cnn
于 2024-01-12 13:01:53 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/YuuZhao/article/details/135546161
版权
本文提出了一种基于FPGA的高效率CNN处理器，针对MobileNets的depthwise separable convolution进行优化，设计了专用的ConV Engine和Dwcv Engine，提升加速器效率。该架构还包括Channel Augmentation，提升第一层性能。该加速器可在不同配置的FPGA上灵活部署，并在ZU2和ZU9 FPGA上分别实现了15.4倍和60.7倍的性能提升相对于CPU，同时支持MobileNet + SSD网络的检测任务。
摘要由CSDN通过智能技术生成

【论文阅读】A High-Performance CNN Processor Based on FPGA for MobileNets


基于FPGA的mobilenet高性能CNN处理器

Abstract

缺陷： CNN由于参数量巨大难以部署到嵌入式设备上。
背景： MobileNet ,which adopts depthwise separable convolution to replace the standard convolution has significantly reduce operations and parrameters with only limited loss in accuracy.

研究的问题： A high-performance CNN processor based on FPGA

创造点：
1、dedicated computing engines： ConV Engine , Dwcv Engine , for Pointwise Convolution and Depthwise Convolution .
两个专用计算引擎： ConV Dwcv ， 专用点卷积 和 深度卷积， 显著提高加速器效率。
2、设计了一个特殊架构：Channel Augmentation ， 提高MobileNets的第一层。
3、本文设计的加速器可以灵活部署在不同配置的设备上，可以平衡硬件资源和计算性能。
4、我们的加速器运行在ZU2 \ ZU9 MPSoC FPGA
5、分类性能 ImageNet 205.3 fps @ ZU2 , 809.8 fps@ZU9
6、在ZU2上提高了15.4倍， 在ZU9上提高了60.7倍， 相比CPU 。
7、部署了MobileNet +

最低0.47元/天 解锁文章
YuuZhao
关注
  • 18
    点赞
  • 踩
  • 17
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
专栏目录
【目标跟踪论文阅读】LTMU：High-Performance Long-Term Tracking with Meta-Updater
shikamarulyc的博客
06-02 3014
文章目录问题记录动机主要贡献相关工作长时跟踪框架目标跟踪在线更新方法 问题记录 meta-learner 如何决定是否进行模型更新，其结构是什么 local tracker，verifier，SiamRPN-based re-detector，meta-updater的架构是什么样 是否可以尝试在其他跟踪器上使用 平均峰相关能量，PR，MAX-PSR 动机 目标跟踪算法的研究重点从短时跟踪向长时跟踪发展，因为长时跟踪更贴近实际生活应用，目前长时跟踪数据库的视频序列时间多在1分钟以上 长时跟踪，要求跟踪
CNN唯一开源FPGA实现
05-01
PipeCNN: An OpenCL-Based Open-Source FPGA Accelerator for Convolution Neural Networks
基于FPGA实现的MobileNet V1，FPGA深度学习加速器设计 CNN Accelerators based on FPGAs
是否龍磊磊真的一无所有的博客
11-21 4458
Automatic Generation of Multi-precision Multi-arithmetic CNN Accelerators for FPGAs 最近arXiv上挂出来一篇文章，采用FPGA实现MobileNet V1，并且完全是不借助片外资源，用的是on-chip memory，没有利用off-chip RAM。整个模型在FPGA的内部有限资源上实现的。能够使得帧率在30...
探索未来智能边缘：MobileNet在FPGA上的奇妙之旅
最新发布
gitblog_00082的博客
06-15 431
探索未来智能边缘：MobileNet在FPGA上的奇妙之旅 项目地址:https://gitcode.com/ZFTurbo/MobileNet-in-FPGA 随着人工智能技术的飞速发展，将机器学习模型部署到嵌入式系统已成为现实的需求。今天，我们有幸向您介绍一个创新项目——“MobileNet in FPGA”，这是一次深度学习与硬件加速的完美邂逅，旨在将高效的MobileNet模型直接移植至F...
PipeCNN论文详解：用OpenCL实现FPGA上的大型卷积网络加速
祥瑞的技术博客
07-03 1万+
PipeCNN: An OpenCL-Based FPGA Accelerator for Large-Scale Convolution Neuron Networks 参考文献： 论文地址： https://arxiv.org/abs/1611.02450 代码地址： https://github.com/doonny/PipeCNN 相关论文 深鉴科技FPGA2017最佳论文ESE...
python fpga开发_用FPGA实现MobileNet
weixin_39545895的博客
12-10 516
MobileNet in FPGAGenerator of verilog description for FPGA MobileNet implementation. There are several pre-trained models available for frequent tasks like detection of people, cars and animals. You c...
基于FPGA的MobileNet V2卷积神经网络加速器
qq_40268672的博客
09-08 1万+
MobileNet V2介绍 MobileNetV2是在V1基础之上的改进。V1主要思想就是深度可分离卷积。而V2则在V1的基础上，引入了Linear Bottleneck 和 Inverted Residuals。下图是MobileNet V2中的一个基本模块 可以看到，该模块由三个卷积组成，第一第三个卷积是标准的1x1卷积，起到升维和降维的作用，而中间的是一个depthwise卷积，每一个卷积层之后，都紧接着一个BN层，以加速网络的收敛。 同时，我们观察到，该模块的输入和输出有一个残差连接，即输入和最
A pre-calculation beamformer design based on FPGA for ultrasound SA imaging
02-07
As the operation frequency of memory on Field-programmable gate array (FPGA) can reach to as high as 400MHz, which is much higher than directly calculation. After the design of hardware language and ...
High-Performance Computing Using FPGAs
08-10
The Part on architectures will introduce different FPGA-based HPC platforms: attached co-processor HPRC architectures such as the CHREC’s Novo-G and EPCC’s Maxwell systems; tightly coupled HRPC ...
基于FPGA的高效可伸缩的MobileNet加速器实现.pdf
07-13
基于FPGA的高效可伸缩的MobileNet加速器实现.pdf
mobilenet网络结构及代码实现
ddana_a的博客
10-15 417
网络结构 代码实现
基于FPGA的Yolov4 tiny目标检测网络加速器
热门推荐
qq_40268672的博客
02-27 2万+
简介 之前实现了基于FPGA的Winograd CNN加速器(VGG16)和基于FPGA的MobileNet v2加速器，但这两个算法在本质上区别不大:一个是VGG16，另一个是轻量级的MobileNet v2，所实现的功能都是图像分类。因此，为了尝试更多的应用，本文在FPGA上实现了一个目标检测网络----Yolov4 tiny。yolo4 tiny的结构是YOLOv4的精简版，属于轻量化模型，参数只有600万相当于原来的十分之一，这类网络不仅能实现对图像的分类任务，还可以找出目标的位置，因此，更加贴近实
深度神经网络 FPGA 设计与现状
AiteBei的博客
01-04 3420
深度神经网络 FPGA 设计与现状
学习FPGA之二：云端加速
石头记
04-05 4261
随着互联网，移动互联网，人工智能，物联网（5G），甚至元宇宙的发展，海量的数据越来越多，但是经过有效处理的1%都不到。而数据被称为人工智能时代的石油， 数据的处理越来越重要，数据中心的运算，传输是在低层需要支持的重要环节，因此，数据中心市场也逐渐成为了各大半导体与互联网公司的必争之地。 一方面，传统FPGA厂商，也就是Intel 和赛灵思 在大力发展FPGA作为硬件加速器，用于加速数据的计算和传输。另一方面，互联网公司也纷纷下场，使用FPGA来加速自家的云...
【MobileNetV2硬件加速器工程】MobileNet V2量化方法的研究及使用Pytorch quantization包遇到的问题
qq_26371477的博客
10-05 3090
Pytorch quantization所用的神经网络量化方法 为设计用于加速MobileNet V2神经网络的硬件加速器，关键在于如果将用浮点数表示的weight，bias以及input batch等tensor量化成为int8数据类型，以大大降低神经网络的计算复杂度与参数大小。 很久很久以前，最原始的量化方法就是将一个训练好的浮点数模型作移位，向右移位n个bit以将浮点数全部转化为整形，由于weight与ifmap都进行移位了，它们相乘的结果相当于移位了2n，故在乘法计算完后，通常在ReLU层又向左
最详细的MobileNet_v1讲解
IT荻的博客
07-06 1万+
其实介绍MobileNetV1（以下简称V1）只有一句话，MobileNetV1就是把VGG中的标准卷积层换成深度可分离卷积就可以了。 那么，这个深度可分离卷积是什么？ 深度可分离卷积 深度可分离卷积（depthwise separable convolution），根据史料记载，可追溯到2012年的论文Simplifying ConvNets for Fast Learning，作者提出了可分离...
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值