![](https://img-blog.csdnimg.cn/20190927151132530.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
基于FPGA的卷积神经网络CNN加速
文章平均质量分 97
该专栏会很详细的描述,卷积神经网络在FPGA上的搭建,持续更新中,包含《框架描述》《资源分配》《数据集的获取》《Pytorch训练框架》《参数导出》《Matlab搭建网络验证》《数据量化》《Matlab导出定点数》《FPGA端卷积网络的搭建》《FPGA端池化网络的搭建》《FPGA端全连接网络的搭建》
优惠券已抵扣
余额抵扣
还需支付
¥129.90
¥299.90
购买须知?
本专栏为图文内容,最终完结不会低于15篇文章。
订阅专栏,享有专栏所有文章阅读权限。
本专栏为虚拟商品,基于网络商品和虚拟商品的性质和特征,专栏一经购买无正当理由不予退款,不支持升级,敬请谅解。
数字硬鉴
合作联系V:Crazzy_M
展开
-
基于FPGA的一维卷积神经网络CNN的实现(八)激活层实现
激活层实现环境: Pytorch,Pycham,Matlab。(订阅后有问题,或者需要该节的文件 请私信)说明: 上一节已经介绍了池化层电路实现的原理,这一节主要介绍线性激活层实现的原理 。第一节:基于FPGA的一维卷积神经网络CNN的实现(一)框架第二节:基于FPGA的一维卷积神经网络CNN的实现(二)资源分配第三节:基于FPGA的一维卷积神经网络CNN的实现(三)训练网络搭建及参数导出(附代码)第四节:基于FPGA的一维卷积神经网络CNN的实现(四)Matlab前向验证(附代码)......原创 2022-06-29 10:38:37 · 2194 阅读 · 0 评论 -
基于FPGA的一维卷积神经网络CNN的实现(七)池化层实现
池化层实现环境: Pytorch,Pycham,Matlab。(订阅后有问题,或者需要该节的文件 请私信)说明: 上一节已经介绍了卷积层电路实现的原理,这一节主要介绍池化层实现的原理 。第一节:基于FPGA的一维卷积神经网络CNN的实现(一)框架第二节:基于FPGA的一维卷积神经网络CNN的实现(二)资源分配第三节:基于FPGA的一维卷积神经网络CNN的实现(三)训练网络搭建及参数导出(附代码)第四节:基于FPGA的一维卷积神经网络CNN的实现(四)Matlab前向验证(附代码)第五节:基于FPGA原创 2022-06-18 11:39:50 · 1625 阅读 · 3 评论 -
基于FPGA的一维卷积神经网络CNN的实现(六)卷积层实现
卷积层实现环境: Pytorch,Pycham,Matlab。(订阅后有问题,或者需要该节的文件直接加微信:Crazzy_M)说明: 上一节已经通过Matlab将CNN网络所需的权重参数转换为定点数。该节在FPGA端进行卷积层的实现。.....................原创 2022-06-11 10:00:00 · 2515 阅读 · 1 评论 -
基于FPGA的一维卷积神经网络CNN的实现(五)数据量化(附代码)
上一节已经通过Matlab中基础的乘加运算进行了CNN网络的前向计算过程。该节利用Matlab将导出的CNN网络所需要的参数进行定点量化,最后传输至FPGA端进行计算。原创 2022-06-07 11:09:28 · 2515 阅读 · 0 评论 -
基于FPGA的一维卷积神经网络CNN的实现(四)Matlab前向验证(附代码)
上一节已经由Pytorch框架训练得到最优的训练参数,并且已经将参数导出至.mat文件。该节通过Matlab利用基础的乘加计算来搭建CNN网络的前向计算(不是用深度学习库),从底层熟悉CNN是怎么实现的。(知道底层怎么实现,才能在FPGA上搭建吧).....................原创 2022-05-29 22:56:29 · 1841 阅读 · 1 评论 -
基于FPGA的一维卷积神经网络CNN的实现(三)训练网络搭建及参数导出(附代码)
训练网络搭建环境:Pytorch,Pycham,Matlab。说明:该网络反向传播是通过软件方式生成,FPGA内部不进行反向传播计算。该节通过Python获取训练数据集,并通过Pytorch框架搭建的CNN网络进行网络的训练。并将训练的最优参数导出,这一节先导出至Matalb进行网络的验证以及数据的量化。文章目录1.数据集的获取1.1 正弦波的获取1.2 余弦波的获取1.3 三角波的获取1.数据集的获取首先明白我们识别的波形为,正弦波,余弦波,三角波。没有噪声的信号波形如下所示,没有噪声的原创 2022-05-24 10:19:22 · 4663 阅读 · 7 评论 -
基于FPGA的一维卷积神经网络CNN的实现(二)资源分配
资源分配环境:Vivado2019.2。Part:xcku040-ffva1156-2-i,内嵌DSP个数 1920个,BRAM 600个也就是21.1Mb。说明:通过识别加高斯白噪声的正弦波、余弦波、三角波较简单的实例来利用FPGA实现一维CNN网络,也就是将下列数据传输至FPGA,识别出下面哪些是正弦波、余弦波、三角波,通过简单实例实践,从而实现更复杂的网络。主要是实现CNN网络的搭建,本文因为追求速度利用了大量的DSP,后期加入复杂网络进行DSP复用。文章目录一、DSP资源分配1.第一层卷积2原创 2021-11-30 10:35:29 · 8890 阅读 · 5 评论 -
基于FPGA的一维卷积神经网络CNN的实现(一)框架
理论建立与效果展示正在写。。。环境:Vivado2019.2。Part:xcku040-ffva1156-2-i,内嵌DSP个数 1920个,BRAM 600个也就是21.1Mb。说明:通过识别加高斯白噪声的正弦波、余弦波、三角波较简单的实例来利用FPGA实现一维CNN网络,主要是实现CNN网络的搭建。也就是将下列数据传输至FPGA,识别出下面哪些是正弦波、余弦波、三角波,通过简单实例实践,在融会贯通。实现流程:训练参数:通过pytorch对10000个训练集进行训练获得训练参数,反向计算不原创 2021-11-23 16:32:48 · 22843 阅读 · 16 评论