技术特征：
技术总结
本发明公开了基于FPGA的稀疏神经网络加速系统和设计方法，包括稀疏神经网络参数处理结构和预测阶段硬件加速结构，所述的稀疏神经网络参数处理结构，用于稀疏神经网络各层参数的获取和存储；所述的预测阶段硬件加速结构，用于稀疏神经网络预测阶段的计算加速。分析稀疏神经网络的关键计算，对系统平台做出软硬件划分，形成系统整体框架；利用通用深度学习框架提取和存储稀疏神经网络结构的参数；根据预测阶段关键计算的特征和访存特征，设计硬件加速器整体框架，实现计算逻辑IP核；根据平台硬件资源情况，确定固化IP核数量，均衡计算负载；移植操作系统完成软硬件的协同工作。本发明在有限的计算资源和存储资源的条件下，达到高性能和低功耗的要求。
技术研发人员：周学海;李曦;王超;陈香兰
受保护的技术使用者：中国科学技术大学
技术研发日：2018.01.05
技术公布日：2018.07.13