- 博客(5)
- 收藏
- 关注
RSS订阅原创 Verilog搭建神经网络学习记录，Day5：单层卷积操作实现
该模块的作用是，根据输入的column与row的值，返回14个感受野。具体来说，55的卷积核以步长为1的形式在3232的图片上滑动一次，会产生28个感受野，而我们一次性只取其中的一半。若column=0，则取前一半；若column=1，则取后一半。row的作用是指出行数。
2023-07-23 21:11:11
473
2
原创 Verilog搭建神经网络学习记录，Day4：单次卷积操作实现
单次卷积操作，就是简单地把图片与卷积核的对应位置的元素相乘，然后再求和。如下图所示。
2023-07-23 11:06:29
608
原创 Verilog搭建神经网络学习记录，Day2：16位浮点加法
首先将两数的指数变一样，然后再来计算尾数。若符号相同，直接将两数的 1.尾数 相加，如果计算结果没有产生进位，保留该结果；若符号不同，用正数的1.尾数-负数的1.尾数，若够减，保留该结果；最后再根据结果中第一个‘1’出现的位置来调整结果左移的位数。首先将两数的指数变一样，这里采用的方式是取大的。接下来再根据两数尾数位的计算有无进位，以及结果第一个‘1’出现的位置来调整指数位的大小。若相加的两数符号不同：先把两数的指数变一样后，再来比较尾数的大小，若正数的尾数大，符号为正；若负数的尾数大，符号为负。
2023-07-22 22:37:19
356
原创 Verilog搭建神经网络学习记录，Day1：16位浮点乘法
x±1.a×2b其中，符号位用来表示数字的正负，1表示负数，0表示正数指数位是上述公式中的b加上偏置值，一般为2k−1−1，其中k表示指数位的位数尾数位是上述公式中的a。
2023-07-22 16:38:02
842
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人