xml文件 卷积神经网络_CNN - 卷积神经网络在FPGA上的实现(一)

Caffe

是一个深度学习框架

,

具有表达力强、

速度快和模块化的思想

,

由伯克利视觉学习中心

(BVLC)

和社区贡献者开发。网站

http://caffe.berkeleyvision.org/

Caffe

框架使用

XML

接口来描述特定

CNN

卷积神经网络所需的不同处理层。

通过实施层的不同

组合，用户能够根据其给定的需求快速创建新的网络拓扑。

Caffe

框架最常用的处理层主要有：



卷积层：卷积层将输入图像与一组可学习的滤波器进行卷积，每个滤波器在输出中产生一

个特征图



池化层：

池化最大可以将输入图像分割成一组非重叠的矩形，

并且对于每个这样的子区域，

输出最大值



线性修正(

ReLU

)层：给定输入值

x

，如果

x> 0

，则

ReLU

层将计算输出为

x

，如果

x <=

0

则计算输出为

negative_slope * x

。



IP/FC

层：将图像视为单个向量，每个点对新输出向量的每个点有贡献

通过将这

4

层移植到

FPGA

，

绝大多数正向处理网络可以使用

Caffe

框架在

FPGA

上实

现。要访问加速卡上的

FPGA

版本的代码，用户只需要更改

Caffe XML

网络描述文件

中的

CNN -

卷积神经网络层的描述，这等同于修改

FPGA

代码版本。