FINN
战斗机上的飞行员
作风优良,能打胜仗,不畏惧,不退缩。
展开
-
FINN(一)简介一种快速,可扩展的二值化神经网络框架
摘要:研究表明,卷积神经网络具有明显的冗余,即使权重和激活从浮点减少到二进制值,也可以获得高分类精度。在本文中,我们介绍了FINN,一个使用灵活的异构流体系结构构建快速和灵活的FPGA加速器的框架。通过利用一组新的优化功能,可以实现二值化神经网络到硬件的高效映射,我们实现了完全连接,卷积和池化层,每层计算资源可以根据用户提供的吞吐量要求进行调整。在aZC706嵌入式FPGA平台上,系统功耗低于2...原创 2018-11-11 12:37:02 · 3838 阅读 · 1 评论 -
FINN(五)实验评估
5. 实验评估5.1 实验配置为了评估FINN,我们创建了一个原型,加速BNN推理MNIST15,CIFAR-1013和裁剪SVHN18的图像数据集。每个原型结合了BNN拓扑和不同的用例场景。我们考虑了三种不同的BNN拓扑来对数据集进行分类如下:1)SFC和LFC是三层全连接的网络拓扑,用于对MNIST数据集进行分类,使用不同数量的神经元来证明计算的准确性权衡(3.2节)。SFC每层256个...原创 2018-11-24 20:41:13 · 1193 阅读 · 0 评论 -
FINN(六)总结
再次,简单的对FINN进行一下总结与归纳。最近提出了一种用于图像分类的BNN,该工作证明了其高性能实现的前景。它们特别适合于FPGA实现,因为参数可以完全适用于OCM,而且算法得到了简化,从而实现了高计算性能。提出的可参数化数据流体系结构和优化(parameterizable dataflow architecture and optimizations),更好的解决了分类速率、最小的功耗和延迟...原创 2018-11-24 20:57:50 · 674 阅读 · 0 评论 -
FINN(大结局)参考文献
该项目主要参考以下的文献[1] H. Alemdar, N. Caldwell, V. Leroy, A. Prost-Boucle, and F. P´etrot. Ternary Neural Networks for Resource-Efficient AI Applications. CoRR, abs/1609.00222, 2016.[2] R. Andri, L. Cavige...原创 2018-11-24 21:06:29 · 1055 阅读 · 1 评论