| 摘要: |
| 针对基于FPGA平台的神经网络开发周期过长、调节网络模型麻烦等问题，设计了一种基于ZYNQ的通用型卷积神经网络模型。首先通过Tensorflow平台搭建神经网络并训练得到模型各层权重；其次利用高层次综合工具进行卷积层和池化层的IP核设计；然后在ZYNQ平台上部署模型；最后分别运行了LeNet-5和AlexNet-8神经网络进行验证。实验结果表明模型，在只损失极少准确度的情况下，卷积与池化运算速度相比于ARM平台分别提高了3.65倍和2.31倍，并具备通用性。 |
| 关键词: 卷积神经网络 ZYNQ 高层次综合工具 |
| DOI：10.3969/j.issn.1005-9490.2023.01.021 |
|
| 基金项目:资助(No.61673108)；江苏省产学研合作项目(BY2020335,BY2020358)；江苏省高校自然科学研究面上项目(NO.20KJB140025)；江苏省自然科学(No. BK20181050)。 |
|
|
|
| () |
| Abstract: |
|
| Key words: |
