论文研究卷积神经网络的FPGA并行加速方案设计.pdf

根据卷积神经网络的特点，提出了深度流水的FPGA加速方案，设计了卷积层的通用卷积电路。该卷积电路可以在一个时钟周期内获得一个计算结果。理论上，该方案对于MNIST数据集，在28×28个时钟周期内可以获得一幅图片的运算结果。针对网络训练过程的前向传播阶段，在网络结构和数据集相同的情况下，对GPU，FPGA，CPU进行了在计算效率和能耗之间的比较。其中在计算效率方面，50MHz频率的FPGA就可以相较于GPU实现近5倍的加速，相较于12核的CPU实现8倍的加速。而在功耗方面，该FPGA的实现方案只有GPU版本的26.7%。