FPGA能否在下一代神經(jīng)網(wǎng)絡(luò)方面擊敗GPU

FPGA為高性能計(jì)算和機(jī)器學(xué)習(xí)提供了一種早期的架構(gòu)專門化選項(xiàng)。體系結(jié)構(gòu)專門化是繼續(xù)改進(jìn)性能的一種選擇，以克服摩爾定律中減緩技術(shù)步伐所帶來的限制。無論是在功耗還是性能方面，使用特定于應(yīng)用程序的硬件來加速應(yīng)用程序或其中一部分，并允許使用更高效的硬件作為支撐。

考慮到為單個應(yīng)用程序或工作流構(gòu)建計(jì)算硬件的固有成本，這種策略不能用于所有應(yīng)用程序。然而，通過將挑戰(zhàn)組合成組，或者識別能夠從加速中獲益的關(guān)鍵工作負(fù)載或代碼，很可能成為提高應(yīng)用程序性能的一個重要部分。一些應(yīng)用程序非常適合于GPU或FPGA等技術(shù)，這些技術(shù)可以通過實(shí)現(xiàn)加速技術(shù)來提高性能。GPU加速或架構(gòu)專業(yè)化并非新概念，一些專家預(yù)測，它們將越來越普遍地用于提高性能，并降低未來系統(tǒng)的能源成本。

歐洲核子研究中心(CERN)正在使用Xilinx FPGA加速推理和傳感器預(yù)處理工作負(fù)載來搜索暗物質(zhì)。該項(xiàng)目背后的研究人員正利用FPGA和CERN其他計(jì)算資源，以極快的速度處理大量高能粒子物理數(shù)據(jù)，以尋找宇宙起源的線索。因此這需要實(shí)時(shí)過濾傳感器數(shù)據(jù)，以識別可能包含暗物質(zhì)和其他物理現(xiàn)象存在證據(jù)的新粒子結(jié)構(gòu)。

在今天的大數(shù)據(jù)時(shí)代，企業(yè)和消費(fèi)者被各種來源的海量數(shù)據(jù)淹沒，包括商業(yè)交易、社交媒體以及傳感器或機(jī)器對機(jī)器數(shù)據(jù)的信息。這些數(shù)據(jù)有多種格式，從傳統(tǒng)數(shù)據(jù)庫中的結(jié)構(gòu)化數(shù)字?jǐn)?shù)據(jù)到非結(jié)構(gòu)化文本文檔、電子郵件、視頻、音頻和金融交易。

對這些數(shù)據(jù)的有效分析是產(chǎn)生洞察力和驅(qū)動更好的決策制定和機(jī)器學(xué)習(xí)(ML)算法的關(guān)鍵，這些算法在現(xiàn)代數(shù)據(jù)分析中被廣泛使用。深度卷積網(wǎng)絡(luò)(DNN)作為一種特殊的ML算法，在圖像分類中得到了廣泛的應(yīng)用。當(dāng)前的一代DNN，如ALEXNET和VGG，依賴于密集浮點(diǎn)矩陣乘法(GEMM)，這種算法具有規(guī)則的并行性和較高的TFLOPS（每秒浮點(diǎn)運(yùn)算次數(shù)），能夠很好地映射到GPU功能。

雖然FPGA比GPU更節(jié)能(在今天的物聯(lián)網(wǎng)市場很重要)，但它們在DNN上的性能與GPU并不匹配。英特爾進(jìn)行的一系列測試評估了兩種最新一代FPGA(英特爾的Arria TM10和statix TM10)與最新的高性能GPU (Titan X Pascal)在DNN計(jì)算上的性能。由于數(shù)據(jù)并行計(jì)算具有規(guī)則的并行性和高浮點(diǎn)計(jì)算吞吐量，傳統(tǒng)上DNN都使用GPU。每一代GPU都加入了更多的浮點(diǎn)單元、片上RAM和更高的內(nèi)存帶寬，以提供更多的浮點(diǎn)運(yùn)算次數(shù)。

然而，由于發(fā)散等問題，具有不規(guī)則并行性的計(jì)算可能會對GPU造成挑戰(zhàn)。此外，由于GPU只支持一組固定的本地?cái)?shù)據(jù)類型，定制定義的數(shù)據(jù)類型可能無法有效地處理，從而導(dǎo)致硬件資源利用率不足和性能不理想。首先，下一代FPGA集成了更多的片上RAM。其次，像HYPERFLEX這樣的技術(shù)可以顯著提高頻率。第三，還有更多的DSP可用。第四，HBM內(nèi)存技術(shù)的集成導(dǎo)致芯片外帶寬增加，最后，下一代FPGA將使用更先進(jìn)的工藝技術(shù)，如14nm CMOS。

英特爾Stratix 10 FPGA芯片擁有5000多個硬化浮點(diǎn)數(shù)單元(dsp)，超過28MB的片上RAM (M20Ks)，與高帶寬內(nèi)存(高達(dá)4x250GB/s/stack或1TB/s)集成，并改進(jìn)了新HyperFlex技術(shù)頻率，使得FP32吞吐量峰值9.2 Tflops。此外，F(xiàn)PGA開發(fā)環(huán)境和工具集也在不斷發(fā)展，支持更高抽象級別的編程，開發(fā)人員更容易訪問FPGA編程。

英特爾最近在研究下一代DNN的各種GEMM操作。開發(fā)了用于FPGA的DNN硬件加速模板，為開發(fā)稀疏矩陣算法和自定義數(shù)據(jù)類型提供了一流的硬件支持。該模板是為了支持各種下一代DNN而開發(fā)，并且可以定制，為用戶給定的DNN變體生成優(yōu)化的FPGA硬件實(shí)例。

該模板被用于運(yùn)行和評估下一代DNN的各種關(guān)鍵矩陣乘法操作，當(dāng)前和下一代FPGA (Arria 10, Stratix 10)以及最新的高性能Titan X Pascal GPU.本研究結(jié)果發(fā)現(xiàn)，與Titan X Pascal GPU相比，在pruned, Int6和二值網(wǎng)絡(luò)學(xué)習(xí)上（pruned, Int6, and binarized）DNNs的GEMM操作上，Stratix 10 FPGA的性能分別是Titan X Pascal GPU的1.1倍、1.5倍和5.4倍。

這些測試還表明，Arria 10和Stratix 10 FPGA相對于Titan X GPU提供了令人滿意的能源效率(TOP/sec/watt)，與Titan X相比，這兩種設(shè)備的能源效率都提高了3到10倍。雖然GPU一直是支持DNN的無可爭議的選擇，但最近對兩代Intel FPGA (Arria 10和Stratix 10)和最新的Titan X GPU的性能比較表明，當(dāng)前DNN算法的趨勢有利于FPGA，甚至FPGA可能提供更好的性能。

閱讀全文

FPGA(591969) FPGA(591969)
gpu(126254) gpu(126254)

FPGA 超越 GPU，問鼎下一代深度學(xué)習(xí)主引擎

FPGA 的性能比Titan X Pascal GPU 提高了60％，而性能/功耗比好2.3倍。結(jié)果表明，FPGA 可能成為下一代DNN 加速的首選平臺7.深層神經(jīng)網(wǎng)絡(luò)中FPGA的未來FPGA 能否

2017-04-27 14:10:12

FPGA在深度學(xué)習(xí)應(yīng)用中或?qū)⑷〈?b class="flag-6" style="color: red">GPU

通常是在一個確定的環(huán)境中進(jìn)行的，運(yùn)行神經(jīng)網(wǎng)絡(luò)的系統(tǒng)會在部署中遇到各種限制——這可能會對 GPU 的實(shí)際使用造成壓力?！?GPU 需要大量的電力，會產(chǎn)生大量的熱量，并需要使用風(fēng)扇冷卻。當(dāng)你在臺式工作站

2024-03-21 15:19:45

下一代SONET SDH設(shè)備

下一代SONET/SDH設(shè)備

2019-09-05 07:05:33

神經(jīng)網(wǎng)絡(luò)50例

神經(jīng)網(wǎng)絡(luò)50例

2012-11-28 16:49:56

神經(jīng)網(wǎng)絡(luò)Matlab程序

神經(jīng)網(wǎng)絡(luò)Matlab程序

2009-09-15 12:52:24

神經(jīng)網(wǎng)絡(luò)與SVM的模塊

大家有知道labview中神經(jīng)網(wǎng)絡(luò)和SVM的工具包是哪個嗎？求分享一下，有做這方面的朋友也可以交流一下，大家共同進(jìn)步

2017-10-13 11:41:43

神經(jīng)網(wǎng)絡(luò)基本介紹

神經(jīng)網(wǎng)絡(luò)基本介紹

2018-01-04 13:41:23

神經(jīng)網(wǎng)絡(luò)教程（李亞非）

　　第1章概述　　1.1 人工神經(jīng)網(wǎng)絡(luò)研究與發(fā)展　　1.2 生物神經(jīng)元　　1.3 人工神經(jīng)網(wǎng)絡(luò)的構(gòu)成　　第2章人工神經(jīng)網(wǎng)絡(luò)基本模型　　2.1 MP模型　　2.2 感知器模型　　2.3 自適應(yīng)線性

2012-03-20 11:32:43

神經(jīng)網(wǎng)絡(luò)移植到STM32的方法

將神經(jīng)網(wǎng)絡(luò)移植到STM32最近在做的一個項(xiàng)目需要用到網(wǎng)絡(luò)進(jìn)行擬合，并且將擬合得到的結(jié)果用作控制，就在想能不能直接在單片機(jī)上做神經(jīng)網(wǎng)絡(luò)計(jì)算，這樣就可以實(shí)時(shí)計(jì)算，不依賴于上位機(jī)。所以要解決的主要是兩個

2022-01-11 06:20:53

神經(jīng)網(wǎng)絡(luò)簡介

神經(jīng)網(wǎng)絡(luò)簡介

2012-08-05 21:01:08

神經(jīng)網(wǎng)絡(luò)解決方案讓自動駕駛成為現(xiàn)實(shí)

及 3x3 的 24 層卷積神經(jīng)網(wǎng)絡(luò)，其性能表現(xiàn)幾乎是一個在典型的 GPU/CPU 綜合處理引擎上運(yùn)行的類似 CNN 的三倍，盡管其所需的內(nèi)存帶寬只是后者的五分之一且功耗大幅降低。下一代深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)

2017-12-21 17:11:34

神經(jīng)網(wǎng)絡(luò)資料

基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)算法

2019-05-16 17:25:05

AI知識科普 | 從無人相信到萬人追捧的神經(jīng)網(wǎng)絡(luò)

的神經(jīng)網(wǎng)絡(luò)，前面的層訓(xùn)練出的特征作為下一層的輸入，所以越到后面的層，特征越具體。卷積神經(jīng)網(wǎng)絡(luò)在大型圖像處理方面展示出了非凡的效果。例如，我們需要在眾多圖像中鑒別出一只貓，人類可以通過已有的常識判斷出特征

2018-06-05 10:11:50

EdgeBoard中神經(jīng)網(wǎng)絡(luò)算子在FPGA中的實(shí)現(xiàn)方法是什么？

FPGA加速的關(guān)鍵因素是什么？EdgeBoard中神經(jīng)網(wǎng)絡(luò)算子在FPGA中的實(shí)現(xiàn)方法是什么？

2021-09-28 06:37:44

MATLAB神經(jīng)網(wǎng)絡(luò)

2013-07-08 15:17:13

Matlab基于卡爾曼濾波的神經(jīng)網(wǎng)絡(luò)的程序

卡爾曼濾波的神經(jīng)網(wǎng)絡(luò)可以解決諸如BP網(wǎng)絡(luò)的一些缺陷。為大家提供幾篇這方面的參考文獻(xiàn)。

2011-02-28 09:29:36

labview BP神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)

請問：我在用labview做BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)故障診斷，在NI官網(wǎng)找到了機(jī)器學(xué)習(xí)工具包（MLT），但是里面沒有關(guān)于這部分VI的幫助文檔，對于”BP神經(jīng)網(wǎng)絡(luò)分類“這個范例有很多不懂的地方，比如

2017-02-22 16:08:08

matlab實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò) 精選資料分享

習(xí)神經(jīng)神經(jīng)網(wǎng)絡(luò)，對于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)是如何一直沒有具體實(shí)現(xiàn)一下：現(xiàn)看到一個簡單的神經(jīng)網(wǎng)絡(luò)模型用于訓(xùn)練的輸入數(shù)據(jù):對應(yīng)的輸出數(shù)據(jù):我們這里設(shè)置：1：節(jié)點(diǎn)個數(shù)設(shè)置：輸入層、隱層、輸出層的節(jié)點(diǎn)

2021-08-18 07:25:21

【PYNQ-Z2申請】基于PYNQ-Z2的神經(jīng)網(wǎng)絡(luò)圖形識別

項(xiàng)目名稱：基于PYNQ-Z2的神經(jīng)網(wǎng)絡(luò)圖形識別試用計(jì)劃：申請理由：本人為一名嵌入式軟件工程師，對FPGA有一段時(shí)間的接觸，基于FPGA設(shè)計(jì)過簡單的ASCI數(shù)字芯片。目前正好在學(xué)習(xí)基于python

2019-01-09 14:48:59

【PYNQ-Z2申請】基于PYNQ的神經(jīng)網(wǎng)絡(luò)自動駕駛小車

項(xiàng)目名稱：基于PYNQ的神經(jīng)網(wǎng)絡(luò)自動駕駛小車試用計(jì)劃：一、本人技術(shù)背景本人有四年以上的嵌入式開發(fā)和三年以上的機(jī)器視覺領(lǐng)域項(xiàng)目實(shí)踐經(jīng)驗(yàn)，在計(jì)算機(jī)視覺與FPGA數(shù)字圖像處理方面有較多的理論研究與項(xiàng)目實(shí)踐

2018-12-19 11:36:24

【PYNQ-Z2申請】基于PYNQ的卷積神經(jīng)網(wǎng)絡(luò)加速

探索整個過程中資源利用的優(yōu)化使整個過程更加節(jié)能高效預(yù)計(jì)成果：1、在PYNQ上實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)2、對以往實(shí)現(xiàn)結(jié)構(gòu)進(jìn)行優(yōu)化3、為卷積神經(jīng)網(wǎng)絡(luò)網(wǎng)路在硬件上，特別是在FPGA實(shí)現(xiàn)提供一種優(yōu)化思路和方案

2018-12-19 11:37:22

【PYNQ-Z2試用體驗(yàn)】神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識

python語言，可以很輕松地實(shí)現(xiàn)復(fù)雜的數(shù)學(xué)運(yùn)算，降低編程難度。下一篇文章，將通過具體代碼，演示基于神經(jīng)網(wǎng)絡(luò)的手寫圖形識別。

2019-03-03 22:10:19

【PYNQ-Z2試用體驗(yàn)】基于PYNQ的神經(jīng)網(wǎng)絡(luò)自動駕駛小車 - 項(xiàng)目規(guī)劃

，神經(jīng)網(wǎng)絡(luò)技術(shù)的第三次發(fā)展浪潮仍在繼續(xù)，在其背后，高性能CPU、GPU和FPGA、ASIC以強(qiáng)大的算力為技術(shù)的應(yīng)用落地提供了有力的支持。然而目前基于FPGA平臺搭建神經(jīng)網(wǎng)絡(luò)作為控制器，適合我們自己動手實(shí)現(xiàn)

2019-03-02 23:10:52

【案例分享】ART神經(jīng)網(wǎng)絡(luò)與SOM神經(jīng)網(wǎng)絡(luò)

今天學(xué)習(xí)了兩個神經(jīng)網(wǎng)絡(luò)，分別是自適應(yīng)諧振（ART）神經(jīng)網(wǎng)絡(luò)與自組織映射（SOM）神經(jīng)網(wǎng)絡(luò)。整體感覺不是很難，只不過一些最基礎(chǔ)的概念容易理解不清。首先ART神經(jīng)網(wǎng)絡(luò)是競爭學(xué)習(xí)的一個代表，競爭型學(xué)習(xí)

2019-07-21 04:30:00

【案例分享】基于BP算法的前饋神經(jīng)網(wǎng)絡(luò)

`BP神經(jīng)網(wǎng)絡(luò)首先給出只包含一個隱層的BP神經(jīng)網(wǎng)絡(luò)模型（兩層神經(jīng)網(wǎng)絡(luò)）： BP神經(jīng)網(wǎng)絡(luò)其實(shí)由兩部分組成：前饋神經(jīng)網(wǎng)絡(luò)：神經(jīng)網(wǎng)絡(luò)是前饋的，其權(quán)重都不回送到輸入單元，或前一層輸出單元（數(shù)據(jù)信息是單向

2019-07-21 04:00:00

為什么說射頻前端的一體化設(shè)計(jì)決定下一代移動設(shè)備？

隨著移動行業(yè)向下一代網(wǎng)絡(luò)邁進(jìn)，整個行業(yè)將面臨射頻組件匹配，模塊架構(gòu)和電路設(shè)計(jì)上的挑戰(zhàn)。射頻前端的一體化設(shè)計(jì)對下一代移動設(shè)備真的有影響嗎？

2019-08-01 07:23:17

人工神經(jīng)網(wǎng)絡(luò)原理及下載

人工神經(jīng)網(wǎng)絡(luò)是根據(jù)人的認(rèn)識過程而開發(fā)出的一種算法。假如我們現(xiàn)在只有一些輸入和相應(yīng)的輸出，而對如何由輸入得到輸出的機(jī)理并不清楚，那么我們可以把輸入與輸出之間的未知過程看成是一個“網(wǎng)絡(luò)”，通過不斷地給

2008-06-19 14:40:42

人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)方法有哪些？

人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)是一種類似生物神經(jīng)網(wǎng)絡(luò)的信息處理結(jié)構(gòu)，它的提出是為了解決一些非線性，非平穩(wěn)，復(fù)雜的實(shí)際問題。那有哪些辦法能實(shí)現(xiàn)人工神經(jīng)網(wǎng)絡(luò)呢？

2019-08-01 08:06:21

人工神經(jīng)網(wǎng)絡(luò)課件

人工神經(jīng)網(wǎng)絡(luò)課件

2016-06-19 10:15:48

人工智能到底用 GPU？還是用 FPGA？

`我思故我在亮出你的觀點(diǎn)自從類神經(jīng)網(wǎng)絡(luò)算法可以用強(qiáng)大的運(yùn)算能力加以模擬之后，強(qiáng)人工智能才開始出現(xiàn)。即便如此，以目前 CPU 的運(yùn)算能力來講，模擬類神經(jīng)網(wǎng)絡(luò)算法的代價(jià)非常之大，于是有人想到了用

2017-08-23 15:42:16

什么是LSTM神經(jīng)網(wǎng)絡(luò)

簡單理解LSTM神經(jīng)網(wǎng)絡(luò)

2021-01-28 07:16:57

什么是圖卷積神經(jīng)網(wǎng)絡(luò)？

圖卷積神經(jīng)網(wǎng)絡(luò)

2019-08-20 12:05:29

優(yōu)化神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法有哪些？

優(yōu)化神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法有哪些？

2022-09-06 09:52:36

全連接神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)有什么區(qū)別

全連接神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別

2019-06-06 14:21:42

關(guān)于開關(guān)磁阻電機(jī)的matlab BP神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)建模方面的資料

求大神們給點(diǎn)關(guān)于開關(guān)磁阻電機(jī)的matlab BP神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)建模方面的資料

2014-11-17 11:16:43

卷積神經(jīng)網(wǎng)絡(luò)一維卷積的處理過程

inference在設(shè)備端上做。嵌入式設(shè)備的特點(diǎn)是算力不強(qiáng)、memory小?？梢酝ㄟ^對神經(jīng)網(wǎng)絡(luò)做量化來降load和省memory，但有時(shí)可能memory還吃緊，就需要對神經(jīng)網(wǎng)絡(luò)在memory使用上做進(jìn)一步優(yōu)化

2021-12-23 06:16:40

卷積神經(jīng)網(wǎng)絡(luò)為什么適合圖像處理？

卷積神經(jīng)網(wǎng)絡(luò)為什么適合圖像處理？

2022-09-08 10:23:10

卷積神經(jīng)網(wǎng)絡(luò)如何使用

卷積神經(jīng)網(wǎng)絡(luò)(CNN)究竟是什么，鑒于神經(jīng)網(wǎng)絡(luò)在工程上經(jīng)歷了曲折的歷史，您為什么還會在意它呢? 對于這些非常中肯的問題，我們似乎可以給出相對簡明的答案。

2019-07-17 07:21:50

卷積神經(jīng)網(wǎng)絡(luò)模型發(fā)展及應(yīng)用

為三個過程：輸入信號線性加權(quán)、求和、非線性激活。1958 年到 1969 年為神經(jīng)網(wǎng)絡(luò)模型發(fā)展的第一階段，稱為第一代神經(jīng)網(wǎng)絡(luò)模型。在 1958 年 Rosenblatt 第一次在 MCP 模型上

2022-08-02 10:39:39

卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)是什么

卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)

2020-05-05 18:12:50

卷積神經(jīng)網(wǎng)絡(luò)的層級結(jié)構(gòu)和常用框架

　　卷積神經(jīng)網(wǎng)絡(luò)的層級結(jié)構(gòu)　　卷積神經(jīng)網(wǎng)絡(luò)的常用框架

2020-12-29 06:16:44

卷積神經(jīng)網(wǎng)絡(luò)（CNN）是如何定義的？

什么是卷積神經(jīng)網(wǎng)絡(luò)？ImageNet-2010網(wǎng)絡(luò)結(jié)構(gòu)是如何構(gòu)成的？有哪些基本參數(shù)？

2021-06-17 11:48:22

雙向射頻收發(fā)器NCV53480在下一代RKE中的應(yīng)用是什么

2021-05-20 06:54:23

反饋神經(jīng)網(wǎng)絡(luò)算法是什么

反饋神經(jīng)網(wǎng)絡(luò)算法

2020-04-28 08:36:58

基于FPGA的神經(jīng)網(wǎng)絡(luò)的性能評估及局限性

FPGA實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)關(guān)鍵問題分析基于FPGA的ANN實(shí)現(xiàn)方法基于FPGA的神經(jīng)網(wǎng)絡(luò)的性能評估及局限性

2021-04-30 06:58:13

基于BP神經(jīng)網(wǎng)絡(luò)的PID控制

最近在學(xué)習(xí)電機(jī)的智能控制，上周學(xué)習(xí)了基于單神經(jīng)元的PID控制，這周研究基于BP神經(jīng)網(wǎng)絡(luò)的PID控制。神經(jīng)網(wǎng)絡(luò)具有任意非線性表達(dá)能力，可以通過對系統(tǒng)性能的學(xué)習(xí)來實(shí)現(xiàn)具有最佳組合的PID控制。利用BP

2021-09-07 07:43:47

基于BP神經(jīng)網(wǎng)絡(luò)的辨識

2018-01-04 13:37:27

基于RBF神經(jīng)網(wǎng)絡(luò)的辨識

2018-01-04 13:38:52

基于i.MX 8的物體識別神經(jīng)網(wǎng)絡(luò)

i.MX 8開發(fā)工具從相機(jī)獲取數(shù)據(jù)并使用一個GPU并應(yīng)用圖像分割算法。然后將該信息饋送到專用于識別交通標(biāo)志的神經(jīng)網(wǎng)絡(luò)推理引擎的另一GPU。

2019-05-29 10:50:46

基于賽靈思FPGA的卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)設(shè)計(jì)

FPGA 上實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò) (CNN)。CNN 是一類深度神經(jīng)網(wǎng)絡(luò)，在處理大規(guī)模圖像識別任務(wù)以及與機(jī)器學(xué)習(xí)類似的其他問題方面已大獲成功。在當(dāng)前案例中,針對在 FPGA 上實(shí)現(xiàn) CNN 做一個可行性研究

2019-06-19 07:24:41

如何使用stm32cube.ai部署神經(jīng)網(wǎng)絡(luò)？

如何用stm32cube.ai簡化人工神經(jīng)網(wǎng)絡(luò)映射？如何使用stm32cube.ai部署神經(jīng)網(wǎng)絡(luò)？

2021-10-11 08:05:42

如何利用低成本FPGA設(shè)計(jì)下一代游戲控制臺？

如何利用低成本FPGA設(shè)計(jì)下一代游戲控制臺？

2021-04-30 06:54:28

如何建設(shè)下一代蜂窩網(wǎng)絡(luò)？

全球網(wǎng)絡(luò)支持移動設(shè)備體系結(jié)構(gòu)及其底層技術(shù)面臨很大的挑戰(zhàn)。在蜂窩電話自己巨大成功的推動下，移動客戶設(shè)備數(shù)量以及他們對帶寬的要求在不斷增長。但是分配給移動運(yùn)營商的帶寬并沒有增長。網(wǎng)絡(luò)中某一通道的使用效率也保持平穩(wěn)不變。下一代射頻接入網(wǎng)必須要解決這些難題，這似乎很難。

2019-08-19 07:49:08

如何構(gòu)建神經(jīng)網(wǎng)絡(luò)？

原文鏈接：http://tecdat.cn/?p=5725 神經(jīng)網(wǎng)絡(luò)是一種基于現(xiàn)有數(shù)據(jù)創(chuàng)建預(yù)測的計(jì)算系統(tǒng)。如何構(gòu)建神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)包括：輸入層：根據(jù)現(xiàn)有數(shù)據(jù)獲取輸入的層隱藏層：使用反向傳播優(yōu)化輸入變量權(quán)重的層，以提高模型的預(yù)測能力輸出層：基于輸入和隱藏層的數(shù)據(jù)輸出預(yù)測

2021-07-12 08:02:11

如何用ARM和FPGA搭建神經(jīng)網(wǎng)絡(luò)處理器通信方案？

某人工神經(jīng)網(wǎng)絡(luò)的FPGA處理器能夠?qū)?shù)據(jù)進(jìn)行運(yùn)算處理，為了實(shí)現(xiàn)集數(shù)據(jù)通信、操作控制和數(shù)據(jù)處理于一體的便攜式神經(jīng)網(wǎng)絡(luò)處理器，需要設(shè)計(jì)一種基于嵌入式ARM內(nèi)核及現(xiàn)場可編程門陣列FPGA的主從結(jié)構(gòu)處理系統(tǒng)滿足要求。

2021-05-21 06:35:27

如何看待AI時(shí)代的芯片之爭,FPGA成一代新貴

由人工神經(jīng)網(wǎng)絡(luò)衍生而來，是一種需要訓(xùn)練的具有大型神經(jīng)網(wǎng)絡(luò)的多隱層層次結(jié)構(gòu)，其每層相當(dāng)于一個可以解決問題不同方面的機(jī)器學(xué)習(xí)。利用這種深層非線性的網(wǎng)絡(luò)結(jié)構(gòu)，深度學(xué)習(xí)可以實(shí)現(xiàn)復(fù)雜函數(shù)的逼近，將表征輸入數(shù)據(jù)

2017-04-20 14:15:25

如何移植一個CNN神經(jīng)網(wǎng)絡(luò)到FPGA中？

訓(xùn)練一個神經(jīng)網(wǎng)絡(luò)并移植到Lattice FPGA上，通常需要開發(fā)人員既要懂軟件又要懂?dāng)?shù)字電路設(shè)計(jì)，是個不容易的事。好在FPGA廠商為我們提供了許多工具和IP，我們可以在這些工具和IP的基礎(chǔ)上做

2020-11-26 07:46:03

如何設(shè)計(jì)BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法？

神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點(diǎn)之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)

2019-08-08 06:11:30

如何進(jìn)行高效的時(shí)序圖神經(jīng)網(wǎng)絡(luò)的訓(xùn)練

現(xiàn)有的圖數(shù)據(jù)規(guī)模極大，導(dǎo)致時(shí)序圖神經(jīng)網(wǎng)絡(luò)的訓(xùn)練需要格外長的時(shí)間，因此使用多GPU進(jìn)行訓(xùn)練變得成為尤為重要，如何有效地將多GPU用于時(shí)序圖神經(jīng)網(wǎng)絡(luò)訓(xùn)練成為一個非常重要的研究議題。本文提供了兩種方式來

2022-09-28 10:37:20

怎么解決人工神經(jīng)網(wǎng)絡(luò)并行數(shù)據(jù)處理的問題

本文提出了一個基于FPGA 的信息處理的實(shí)例：一個簡單的人工神經(jīng)網(wǎng)絡(luò)應(yīng)用Verilog 語言描述，該數(shù)據(jù)流采用模塊化的程序設(shè)計(jì)，并考慮了模塊間數(shù)據(jù)傳輸信號同步的問題，有效地解決了人工神經(jīng)網(wǎng)絡(luò)并行數(shù)據(jù)處理的問題。

2021-05-06 07:22:07

怎么設(shè)計(jì)ARM與神經(jīng)網(wǎng)絡(luò)處理器的通信方案？

FPGA的嵌入式應(yīng)用。某人工神經(jīng)網(wǎng)絡(luò)的FPGA處理器能夠?qū)?shù)據(jù)進(jìn)行運(yùn)算處理，為了實(shí)現(xiàn)集數(shù)據(jù)通信、操作控制和數(shù)據(jù)處理于一體的便攜式神經(jīng)網(wǎng)絡(luò)處理器，需要設(shè)計(jì)一種基于嵌入式ARM內(nèi)核及現(xiàn)場可編程門陣列FPGA的主從結(jié)構(gòu)處理系統(tǒng)滿足要求。

2019-09-20 06:15:20

有人做過神經(jīng)網(wǎng)絡(luò)在FPGA上的實(shí)現(xiàn)嗎？

例如BP神經(jīng)網(wǎng)絡(luò)

2018-03-07 19:44:24

有提供編寫神經(jīng)網(wǎng)絡(luò)預(yù)測程序服務(wù)的嗎？

有提供編寫神經(jīng)網(wǎng)絡(luò)預(yù)測程序服務(wù)的嗎？

2011-12-10 13:50:46

求助地震波神經(jīng)網(wǎng)絡(luò)程序

求助地震波神經(jīng)網(wǎng)絡(luò)程序，共同交流??！

2013-05-11 08:14:19

求助基于labview的神經(jīng)網(wǎng)絡(luò)pid控制

小女子做基于labview的蒸發(fā)過程中液位的控制，想使用神經(jīng)網(wǎng)絡(luò)pid控制，請問這個控制方法可以嗎？有誰會神經(jīng)網(wǎng)絡(luò)pid控制么。。。叩謝

2016-09-23 13:43:16

求助大神關(guān)于神經(jīng)網(wǎng)絡(luò)的問題

求助大神小的現(xiàn)在有個難題：一組車重實(shí)時(shí)數(shù)據(jù) 對應(yīng)一個車重的最終數(shù)值（一個一維數(shù)組輸入對應(yīng)輸出一個數(shù)值）這其中可能經(jīng)過均值、方差、去掉N個最大值、、、等等的計(jì)算我的目的就是弄清楚這個中間計(jì)算過程最近實(shí)在想不出什么好辦法就打算試試神經(jīng)網(wǎng)絡(luò) 請教大神用什么神經(jīng)網(wǎng)絡(luò)好求神經(jīng)網(wǎng)絡(luò)程序

2016-07-14 13:35:44