bnn:使用HLS工具在FPGA上使用二进制权重和激活进行图像分类的CNN的培训和实现-源码

上传者: 42168750 | 上传时间: 2021-09-04 10:39:34 | 文件大小: 1019KB | 文件类型: ZIP
使用HLS工具在FPGA上使用二进制权重和激活进行图像分类的CNN的培训和实现 这是博洛尼亚大学项目工作的资料库教授 在这项工作中,我首先学习了具有二进制权重和激活的二进制网络。 然后,我在MNIST数据集上训练了一个网络,使用小型网络(46万权重)实现了96%的准确性。 但是,该项目的核心是使用高级综合工具(Vivado HLS)在FPGA器件(Zynq)上实现二进制网络。 我实现了核心模块(卷积,密集,最大池,填充),优化资源,评估结果并讨论了时间和资源之间的取舍。 整个实现是流水线的,通过使用少于FPGA上可用资源的一半,就可以实现数千个图像/秒的吞吐量。 您可以在提供的幻灯片中找到其他信息。 参考 二进制网络参考文件:二进制 :我已经从该项目改编了我的培训代码 有关在FPGA上实现BNN的论文: 作者 博洛尼亚大学-2018年5月

文件下载

资源详情

[{"title":"( 26 个子文件 1019KB ) bnn:使用HLS工具在FPGA上使用二进制权重和激活进行图像分类的CNN的培训和实现-源码","children":[{"title":"bnn-master","children":[{"title":"Slides.pdf <span style='color:#111;'> 1.15MB </span>","children":null,"spread":false},{"title":"binarynet","children":[{"title":"binary_ops.py <span style='color:#111;'> 2.13KB </span>","children":null,"spread":false},{"title":"binary_layers.py <span style='color:#111;'> 1.81KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 430B </span>","children":null,"spread":false},{"title":"Train__BinaryNet.ipynb <span style='color:#111;'> 44.79KB </span>","children":null,"spread":false}],"spread":true},{"title":"hls","children":[{"title":"FixedPointConvolution","children":[{"title":"vivado_hls.app <span style='color:#111;'> 585B </span>","children":null,"spread":false},{"title":"fixed_point_conv.h <span style='color:#111;'> 479B </span>","children":null,"spread":false},{"title":"fixed_point_conv.cpp <span style='color:#111;'> 4.35KB </span>","children":null,"spread":false}],"spread":true},{"title":"ClassificationSender","children":[{"title":"classification_sender.cpp <span style='color:#111;'> 785B </span>","children":null,"spread":false},{"title":"vivado_hls.app <span style='color:#111;'> 560B </span>","children":null,"spread":false},{"title":"classification_sender.h <span style='color:#111;'> 259B </span>","children":null,"spread":false}],"spread":true},{"title":"BinaryConvolution","children":[{"title":"binary_conv.cpp <span style='color:#111;'> 6.34KB </span>","children":null,"spread":false},{"title":"vivado_hls.app <span style='color:#111;'> 516B </span>","children":null,"spread":false},{"title":"binary_conv.h <span style='color:#111;'> 1.54KB </span>","children":null,"spread":false}],"spread":true},{"title":"Padding2D","children":[{"title":"padding_2d.h <span style='color:#111;'> 264B </span>","children":null,"spread":false},{"title":"vivado_hls.app <span style='color:#111;'> 494B </span>","children":null,"spread":false},{"title":"padding_2d.cpp <span style='color:#111;'> 1.53KB </span>","children":null,"spread":false}],"spread":true},{"title":"DenseLayer","children":[{"title":"vivado_hls.app <span style='color:#111;'> 488B </span>","children":null,"spread":false},{"title":"dense.cpp <span style='color:#111;'> 4.73KB </span>","children":null,"spread":false},{"title":"dense.h <span style='color:#111;'> 1.92KB </span>","children":null,"spread":false}],"spread":true},{"title":"MaxPooling","children":[{"title":"vivado_hls.app <span style='color:#111;'> 491B </span>","children":null,"spread":false},{"title":"max_pool.h <span style='color:#111;'> 529B </span>","children":null,"spread":false},{"title":"max_pool.cpp <span style='color:#111;'> 2.25KB </span>","children":null,"spread":false}],"spread":true}],"spread":true},{"title":"LICENSE <span style='color:#111;'> 1.04KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 1.82KB </span>","children":null,"spread":false},{"title":".gitignore <span style='color:#111;'> 1.68KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

  • m0_46378833 :
    用户下载后在一定时间内未进行评价,系统默认好评。
    2021-08-17

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