B-DCGAN：面向 FPGA 的二值化 DCGAN 评估
计算机视觉与模式识别
2021-05-24 v2 机器学习
摘要
为了利用近年来深度学习取得的重大成就，我们正试图将深度神经网络部署在边缘计算环境中，以用于物联网、金融科技等实际应用。特别是，我们现在专注于在 FPGA 上进行算法实现，因为 FPGA 是用于低成本、低功耗边缘计算机实现的有前途的设备之一。在这项工作中，我们引入了二值化 DCGAN (B-DCGAN)——一种具有二值权重和激活值，并在前向传播（训练时和运行时）中使用整数值运算的深度卷积 GAN 模型。我们展示了如何在 FPGA（Xilinx Zynq）上实现 B-DCGAN。使用 B-DCGAN，我们对 FPGA 在深度学习方面的特性和性能进行了可行性研究。因为二值化和使用整数值运算减少了内存容量和电路门数量，所以它对 FPGA 实现非常有效。另一方面，模型生成数据的质量会因这些削减而下降。因此我们研究了这些削减的影响。
引用
@article{arxiv.1803.10930,
title = {B-DCGAN:Evaluation of Binarized DCGAN for FPGA},
author = {Hideo Terada and Hayaru Shouno},
journal= {arXiv preprint arXiv:1803.10930},
year = {2021}
}
备注
10 pages