Bitsoros aritmetika alkalmazása CNN megvalósítására FPGA környezetben

OData támogatás
Konzulens:
Dr. Fehér Béla
Méréstechnika és Információs Rendszerek Tanszék

A konvolúciós neurális hálózatok (CNN) rendkívül számításigényes rendszerek, melyek kiértékelése jelentős mértékben párhuzamosítható, ugyanakkor fejlődésüknek mind a mai napig határt szab, a kiértékelésüket végző hardveres egységek erőforrásainak korlátossága. A CNN hálózatok beágyazott rendszerekben való elterjedésével, egyre fontosabb szemponttá válik a futási idő mellett a fogyasztás is. Az FPGA környezetben, beépített együtthatókkal történő megvalósítás során a CNN processzort az adott hálózat paramétereihez igazíthatjuk, ezzel növelve a hatékonyságot. A bitsoros aritmetika alkalmazásának elsődleges előnye a bitpárhuzamos aritmetikával szemben, az erőforrásigény jelentős csökkenése. Ugyanakkor, ez további lehetőséget nyújt a műveleti szintű párhuzamosítás kihasználására és így, a részeredmények tárolása és beolvasása miatt alkalmazott memória elérések számának csökkentésére is. A szakdolgozatom a bitsoros CNN processzorok FPGA környezetben történő megvalósításának elemzése mellett kitér egy konkrét kép felismerő hálózat realizálására is.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.