2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩62頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、近年來,卷積神經(jīng)網(wǎng)絡(luò)(CNN)算法及其在視覺感知領(lǐng)域的應(yīng)用很大程度上改變了傳統(tǒng)的機(jī)器視覺框架。但因?yàn)镃NN算法大量的計算工作負(fù)載使其很難在高實(shí)時性,嵌入式場合得以廣泛應(yīng)用。最近,有一些國際著名的學(xué)術(shù)、商業(yè)機(jī)構(gòu)推出了其專用的解決方案,用來降低功耗并提高性能,但大量的數(shù)據(jù)傳輸與訪問仍然是一個棘手的挑戰(zhàn)。
  本文的主要的工作如下:
  1.整合并優(yōu)化了CNN卷積層,進(jìn)行了細(xì)粒度的算法并行性分析,提出了Intra Output F

2、eature Map的并行思路;對片上片外存儲模型進(jìn)行分析并為CNN設(shè)置了較通用的存儲解決方案;
  2.提出了一種全新的CNN硬件加速器結(jié)構(gòu),設(shè)定了指令集與工作模式,用戶可以使用簡單的VLIW指令實(shí)現(xiàn)多種參數(shù)的CNN網(wǎng)絡(luò)層;
  3.構(gòu)建了基于ZYNQ的SOC芯片設(shè)計驗(yàn)證平臺框架,并對CNN加速器進(jìn)行驗(yàn)證;
  4.使用28nm低功耗工藝庫實(shí)現(xiàn)了CNN加速器ASIC,與其它先進(jìn)的CNN加速器相比,在實(shí)現(xiàn)相近或更好的吞

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論