NPU_on_FPGA 安装与配置完全指南
项目基础介绍
NPU_on_FPGA 是一个开源项目,旨在FPGA上实现一个神经处理单元(NPU),能够执行包括矩阵运算(如ADD, ADDi, ADDs, MULT, MULTi, DOT等)、图像处理运算(比如CONVolution, POOLing)以及非线性映射(例如ReLU, TANH, SIGMOID)在内的多种运算。此项目特别适合那些希望在嵌入式系统中部署轻量级神经网络,并寻求高性能与低功耗平衡的研究者与开发者。
主要编程语言: HDL语言(Verilog或VHDL), Python
关键技术和框架
- HDL语言: 用于硬件描述,使设计能在FPGA上直接执行。
- Python: 用于模型训练、转换及验证,借助TensorFlow和Keras进行神经网络模型的构建和训练。
- FPGA开发工具: 使用Intel Quartus Prime作为主要FPGA开发软件,ModelSim用于仿真验证。
准备工作和详细安装步骤
步骤 1: 系统要求
确保你的计算机满足以下最低要求:
- 操作系统: Windows/Linux
- 软件: Python 3.6.3+, Anaconda 5.1.0, TensorFlow-GPU 1.3.0, Keras 2.1.0, Quartus 16.1, ModelSim SE 10.4
步骤 2: 安装软件包
-
安装Anaconda: 下载并安装最新版本的Anaconda,创建一个新环境以保持依赖项独立。
conda create --name npu_env python=3.6.3 conda activate npu_env
-
安装Python库:
conda install tensorflow-gpu==1.3.0 keras==2.1.0
-
下载项目源码:
git clone https://github.com/cxdzyq1110/NPU_on_FPGA.git
步骤 3: 配置环境
-
设置Quartus和ModelSim路径: 修改
projects\aFPGA\05_modelsim\run.do
和projects\aFPGA\10_python\isa-npu\sim_module.bat
文件中的相关路径。 -
配置网络描述文件: 根据需要,修改
projects\python\keras_cnn\scripts
目录下的网络描述文件(txt
)。默认配置基于LeNet-5模型。
步骤 4: 训练与转换模型
-
进入Python脚本目录:
cd NPU_on_FPGA/projects/python/keras_cnn/scripts
-
训练模型: 运行相应的
.bat
脚本来训练模型、生成模型参数和NPU指令。.\0_train_CNN.bat .\1_save_CNN_parameters_to_csv.bat .\3_generate_NPU_instructions_from_csv.bat
步骤 5: 仿真与验证
- 运行仿真: 回到
projects\aFPGA\05_modelsim
目录,修改并运行sim_module.bat
进行硬件仿真。 - 评估与测试: 仿真完成后,在Python环境中运行
projects\aFPGA\10_python\cnn\check_cnn.py
来检查NPU运算模型的准确性。
结语
至此,您已成功搭建并配置了NPU_on_FPGA项目,接下来便可以深入研究,调整模型,或在实际应用场景中部署您的NPU设计。记得,不断实践和调试是掌握任何新技术的关键。祝您在探索FPGA神经处理的世界里旅程愉快!