基于 FPGA 的神经网络加速器综述
硬件体系结构
2018-12-07 v3
摘要
近期关于神经网络的研究已显示出相对于基于手工特征和模型的传统算法在机器学习上的显著优势。神经网络现被广泛采用于图像、语音和视频识别等领域。但神经网络推理的高计算与存储复杂度给其应用带来巨大困难。CPU 平台难以提供足够计算能力。GPU 平台因其高计算能力和易用的开发框架而成为神经网络处理的首选。另一方面，基于 FPGA 的神经网络推理加速器正成为一个研究课题。凭借专门设计的硬件，FPGA 是继 GPU 之后在速度和能效上实现超越的可能解决方案。各种基于 FPGA 的加速器设计已借助软硬件优化技术被提出，以实现高速度和高能效。本文中，我们概述了先前基于 FPGA 的神经网络推理加速器工作并总结了所用主要技术。从软件到硬件、从电路级到系统级进行了调研，以完成对基于 FPGA 的神经网络推理加速器设计的分析，并作为未来工作的指南。
引用
@article{arxiv.1712.08934,
title = {A Survey of FPGA-Based Neural Network Accelerator},
author = {Kaiyuan Guo and Shulin Zeng and Jincheng Yu and Yu Wang and Huazhong Yang},
journal= {arXiv preprint arXiv:1712.08934},
year = {2018}
}