深度学习FPGA加速器的进展与趋势

论文摘要

随着大数据时代的来临,深度学习技术在从海量数据中提取有价值信息方面发挥着重要作用,已被广泛应用于计算机视觉、语音识别及自然语言处理等领域.本文从深度学习算法的特点和发展趋势出发,分析FPGA加速深度学习的优势以及技术挑战;其次,本文从SoC FPGA和标准FPGA两个方面介绍了CPU-FPGA平台,主要对比分析了两种模型在CPU和FPGA之间数据交互上的区别;接下来,在介绍FPGA加速深度学习算法开发环境的基础上,重点从硬件结构、设计思路和优化策略这三个方面详细介绍了采用FPGA加速卷积神经网络的设计方案;最后展望了FPGA加速深度学习算法相关研究工作的发展.

论文目录

• 1 引言
•   1.1 深度学习算法模型简介
•   1.2 深度学习算法模型的发展趋势
• 2 深度学习算法的硬件加速
•   2.1 GPU加速的特点
•   2.2 ASIC加速的特点
•   2.3 FPGA加速的特点
•   2.4 FPGA加速与GPU和ASIC加速的对比
•     2.4.1 FPGA加速与GPU加速的对比
•     2.4.2 FPGA加速与ASIC加速的对比
• 3 FPGA加速深度学习算法
•   3.1 CPU-FPGA平台
•     3.1.1 SoC FPGA
•     3.1.2 标准FPGA
•   3.2 FPGA开发环境
•   3.3 卷积神经网络的FPGA加速设计
•     3.3.1 FPGA加速卷积神经网络的硬件结构
•     3.3.2 FPGA加速卷积神经网络的设计思路
•     3.3.3 FPGA加速卷积神经网络的优化策略
•   3.4 递归神经网络的FPGA加速设计
• 4 研究展望
• 5 总结
• Background

文章来源

类型: 期刊论文

作者: 吴艳霞,梁楷,刘颖,崔慧敏

关键词: 深度学习,神经网络,硬件加速

来源: 计算机学报 2019年11期

年度: 2019

分类: 信息科技

专业: 无线电电子学,自动化技术

单位: 哈尔滨工程大学计算机科学与技术学院,中国科学院计算技术研究所计算机体系结构国家重点实验

基金: 国家“八六三”高技术研究发展计划项目(2016YFB1000402),黑龙江省自然科学基金(F2018008),哈尔滨市杰出青年人才基金(2017RAYXJ016)资助~~

分类号: TN791;TP18

页码: 2461-2480

总页数: 20

文件大小: 3356K

下载量: 1864