基于fpga的shufflenetv2加速器的优化及研究,首发论文 -全讯担保网

您当前所在位置: 全讯担保网-0008全讯注册 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交pdf文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 202406-76
论文题目 基于fpga的shufflenetv2加速器的优化及研究
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:albert einstein,编入参考文献时写法:einstein a.

示例2:原姓名写法:李时珍;编入参考文献时写法:li s z.

示例3:yelland r l,jones s c,easton k s,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择doc或latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的doc文件
上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!

基于fpga的shufflenetv2加速器的优化及研究

首发时间:2024-06-28

1   

高鹏伟(1999-),男,主要研究方向:fpga加速神经网络

  • 1、北京邮电大学电子工程学院,北京 100876

摘要:在当今日益发展的人工智能领域,神经网络的训练和推理需求越来越庞大。而在许多应用场景中,特别是在边缘设备和嵌入式系统中,例如人脸识别、语音识别和无人驾驶等场景中,常常会遇到资源受限的情况,例如功耗、内存和计算能力等,为了解决硬件资源受限的问题,设计了一种基于fpga的神经网络加速器,针对目前主流的轻量化卷积神经网络shufflenetv2进行了改进,实现了16bit的模型量化并重新设计了shufflenetv2的构造块及混洗操作,实现了硬件友好型设计。将优化后的模型部署在zynq-7020的板卡上,实验表明,本文优化后的shufflenetv2模型在精度损失1%以内的情况下,相较于gpu有0.4ms的速度提升,cpu有7.3倍的速度提升,gops达到了4.05,能耗仅为2.663w,能效比达到了1.54gops/w。优化后的模型时延达到了43ms,是原始模型的42%。

关键词:

for information in english, please click here

optimization and research of shufflenetv2 accelerator based on fpga

1   

高鹏伟(1999-),男,主要研究方向:fpga加速神经网络

  • 1、school of electronic engineering, beijing university of posts and telecommunications,beijing,100876

abstract:in the rapidly advancing field of artificial intelligence, the demands for neural network training and inference are increasingly substantial. particularly in various application scenarios such as edge devices and embedded systems, like face recognition, voice recognition, and autonomous driving, there often arises a situation of limited resources, including power consumption, memory, and computational capacity. to address the issue of hardware resource constraints, a neural network accelerator based on fpga was designed. this accelerator focuses on the mainstream lightweight convolutional neural network, shufflenetv2, introducing improvements that include 16-bit model quantization. it also redesigns the construction blocks and shuffle operations of shufflenetv2 for a hardware-friendly design. the optimized model was deployed on a zynq-7020 board. experiments show that, with less than 1% loss in accuracy, the optimized shufflenetv2 model achieves a 0.4ms speed improvement over gpu, a 7.3 times speed increase over cpu, and reaches 4.05 gops, with power consumption only at 2.663w, resulting in an energy efficiency of 1.54 gops/w. the latency of the optimized model is 43ms, which is 42% of the baseline.

keywords:

click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

高鹏伟. 基于fpga的shufflenetv2加速器的优化及研究[eb/ol]. 北京:中国科技论文在线 [2024-06-28]. https://www.paper.edu.cn/releasepaper/content/202406-76.

no.****

同行评议

未申请同行评议

评论

全部评论

0/1000

勘误表

基于fpga的shufflenetv2加速器的优化及研究

网站地图