深度学习中的卷积神经网络系统设计及硬件实现
针对目前深度学习中的卷积神经网络（CNN）在CPU平台下训练速度慢、耗时长的问题，采用现场可编程门阵列（FPGA）硬件平台设计并实现了一种深度卷积神经网络系统。该系统采用修正线性单元（ReLU）作为特征输出的激活函数并使用Softmax函数作为输出分类器。利用流水线技术并针对每一层的特征运算进行了并行处理，从而能够在1个系统时钟周期内完成整个CNN中的295次卷积运算。系统最后采用MNIST数据集作为实验样本，实验结果表明，在50 MHz的工作频率下，FPGA的训练用时相较于通用CPU的训练用时提升了8.7倍，经过2 000次迭代后系统识别的准确率为92.42%。
文件下载
评论信息
其他资源
- 200个原理图+PCB电路图
- C#网络应用编程（第3版）习题答案
- 西门子s7-200换热站控制程序
- 虚拟化技术原理与实现PDF（带书签）
- 数据库系统概念(机械工业)第六版答案（全覆盖)
- BSPHP-PRO1.3破解版
- MATLAB实现灰度处理
- 数字设计与计算机体系结构中英文版
- oracle11下载
- BP多层感知器 源代码 神经网络
- Arduino-Scratch课程
- JTG D70-2-2014 公路隧道设计规范 第二册 交通工程与附属设施 .pdf
- 2d横版火柴人游戏《撕葱侠》素材资源.zip
- springboot-mybatis-plus.zip
- dynamon：dynamon是DynamoDB的GUI客户端，可以连接本地dynamodb-源码
- BigSQL性能增强：Hadoop表分区以及分区消除
- 8051开源IP核
- 合金弹头 java版
- 数字逻辑课程设计三路抢答器
- SourceFormatX 强大的源代码自动格式化, 缩进, 排版, 美化工具(完美破解)
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明