期刊在线咨询服务,发表咨询:400-888-9411 订阅咨询:400-888-1571股权代码(211862)
关键词:线性脉动阵列 卷积神经网络 稀疏性 性能分析
摘要:针对大部分FPGA端上的卷积神经网络(CNN,convolutional neural network)加速器设计未能有效利用稀疏性的问题,从带宽和能量消耗方面考虑,提出了基于线性脉动阵列的2种改进的CNN计算优化方案。首先,卷积转化为矩阵相乘形式以利用稀疏性;其次,为解决传统的并行矩阵乘法器存在较大I/O需求的问题,采用线性脉动阵列改进设计;最后,对比分析了传统的并行矩阵乘法器和2种改进的线性脉动阵列用于CNN加速的利弊。理论证明及分析表明,与并行矩阵乘法器相比,2种改进的线性脉动阵列都充分利用了稀疏性,具有能量消耗少、I/O带宽占用少的优势。
网络与信息安全学报杂志要求:
{1}稿件应注明作者联系电话、电子邮箱、工作单位及最方便的邮局收件地址,以便编辑部收到稿件后登记、编号,并寄样刊。
{2}请作者自留文章底稿,本刊恕不退稿。
{3}来稿的中文题目限20字以内,题目字体为宋体三号加粗;作者宋体四号;内容提要、关键词楷体五号。
{4}参考文献:按照中文参考文献在前,日文参考文献次之,西文参考文献居后的顺序排列。各语种参考文献以作者姓名读音为序。
{5}摘要应有独立性和自含性,不用报道语式,不出现评价性词语,不用序号,不分段。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社