ZynqNet：一种 FPGA 加速的嵌入式卷积神经网络
计算机视觉与模式识别
2020-05-15 v1 机器学习
摘要
图像理解正成为从医疗诊断到自动驾驶等越来越多应用中的关键功能。许多应用需要集成到现有系统中并具有严格实时和功耗限制的嵌入式解决方案。卷积神经网络（CNNs）目前在全部图像理解基准测试中取得破纪录的精度，但具有非常高的计算复杂度。因此，嵌入式 CNN 呼唤小巧高效且功能强大的计算平台。本硕士论文探讨了基于 FPGA 的 CNN 加速的潜力，并展示了在 Zynq 片上系统上完全可用的概念验证 CNN 实现。ZynqNet 嵌入式 CNN 设计用于 ImageNet 上的图像分类，由 ZynqNet CNN（一种优化定制的 CNN 拓扑）和 ZynqNet FPGA 加速器（一种用于其评估的基于 FPGA 的架构）组成。ZynqNet CNN 是一种高效 CNN 拓扑。利用定制设计的 Netscope CNN 分析器对先前拓扑进行详细分析和优化，得以实现计算复杂度仅 5.3 亿次乘加运算、top-5 精度达 84.5% 的 CNN。该拓扑高度规则，仅由卷积层、ReLU 非线性函数和一层全局池化层构成。该 CNN 非常契合 FPGA 加速器。ZynqNet FPGA 加速器可高效评估 ZynqNet CNN。它基于嵌套循环算法加速完整网络，使算术运算和内存访问次数最小化。该 FPGA 加速器使用高层次综合为 Xilinx Zynq XC-7Z045 综合，达到 200MHz 时钟频率，器件利用率为 80% 至 90%。
引用
@article{arxiv.2005.06892,
title = {ZynqNet: An FPGA-Accelerated Embedded Convolutional Neural Network},
author = {David Gschwend},
journal= {arXiv preprint arXiv:2005.06892},
year = {2020}
}
备注
85 pages, 26 figures. Code available at http://github.com/dgschwend/zynqnet