基于卷积神经网络的 FPGA 深度学习加速综述
人工智能
2020-12-24 v1
摘要
近年来，深度学习日益成熟，而作为深度学习中常用算法的卷积神经网络已广泛应用于各类视觉任务。过去，基于深度学习算法的研究主要依赖 GPU、CPU 等硬件。然而，随着 FPGA（现场可编程逻辑门阵列）的不断发展，其已成为结合各类神经网络深度学习算法的主要实现硬件平台。本文为一篇综述，主要介绍卷积的相关理论与算法，总结若干现有基于卷积神经网络的 FPGA 技术应用场景，并重点介绍加速器的应用。同时，归纳了一些加速器对逻辑资源或内存带宽利用不足，从而无法获得最佳性能的问题。
引用
@article{arxiv.2012.12634,
title = {Overview of FPGA deep learning acceleration based on convolutional neural network},
author = {Simin Liu},
journal= {arXiv preprint arXiv:2012.12634},
year = {2020}
}