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