典型文献
基于软核控制的卷积神经网络
文献摘要：
卷积神经网络作为深度学习最重要的算法之一,十分适用于图像分类.由于其复杂的网络结构和训练方法,卷积神经网络是极为耗费计算资源的一种算法.本文针对卷积神经网络中卷积计算时间复杂度高、同一电路计算不同尺寸卷积造成资源浪费的问题,提出一种基于软核的卷积神经网络.通过使用软核来配置卷积、池化尺寸,多次驱动卷积池化的方法,可以大量减少逻辑资源的消耗.同时在Arty A7-100T FPGA上构建基于ARM公司开源的Cortex-M3软核的卷积神经网络SoC进行验证.实验验证,该SoC有92.3％的识别正确率,同时减少了约50％的逻辑资源消耗.
文献关键词：
软核;卷积神经网络;FPGA;SoC
中图分类号：
作者姓名：
郭恒;王骏腾;杨少文;顾玉俊;杨慕远
作者机构：
江苏大学,江苏镇江 212013
文献出处：
引用格式：
[1]郭恒;王骏腾;杨少文;顾玉俊;杨慕远-.基于软核控制的卷积神经网络)[J].软件,2022(04):22-28,90
A类：
Arty
B类：
软核,图像分类,训练方法,耗费,计算资源,卷积计算,计算时间,时间复杂度,不同尺寸,资源浪费,池化,A7,100T,FPGA,ARM,开源,Cortex,M3,SoC,资源消耗
AB值：
0.317274
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
