基于HLS的高效深度学习卷积神经网络FPGA实现方法项目全部数据.zip
基于HLS的高效深度学习卷积神经网络FPGA实现方法项目全部数据.zip本文通过对现有相关研究的分析、总结和改进，给出了一系列在软件层面上如何构建和训练小巧高效且利于硬件加速的网络方法，在FPGA实现时如何减少资源、降低功耗及提高速度的方法，以及在HLS中如何增加设计灵活性、可移植性和可扩展性的方法，具有很好的实用价值。并结合这些方法构建和训练了一个网络，命名为EfficientNet，使用HLS在FPGA上对其进行了推断加速。通过与其他网络和平台的对比，验证了这些方法的有效性。本文的主要工作和贡献如下：
设计实现了一种轻量化的深度学习网络EfficientNet。针对传统网络参数量及计算量大且不利于硬件加速的问题，本文在保证精度的前提下，分析了以深度可分离卷积代替标准卷积、以步进代替池化、以平均池化代替全连接的方法，提出了尺寸不变通道增减交替的方法，并对这些方法进行了集成，从而构建了一个低复杂度的DCNN网络，并命名为EfficientNet。实验结果表明EfficientNet在公开的Flower_photos数据集上的分类精度为89.3%，相比Inception-v3，在参数量
文件下载
资源详情
[{"title":"（ 6051 个子文件 222.4MB ） 基于HLS的高效深度学习卷积神经网络FPGA实现方法项目全部数据.zip","children":[{"title":"test.cpp <span style='color:#111;'> 11.37KB </span>","children":null,"spread":false},{"title":"conv.cpp <span style='color:#111;'> 9.44KB </span>","children":null,"spread":false},{"title":"mid3.txt <span style='color:#111;'> 35.00MB </span>","children":null,"spread":false},{"title":"mid4.txt <span style='color:#111;'> 17.50MB </span>","children":null,"spread":false},{"title":"mid5.txt <span style='color:#111;'> 35.00MB </span>","children":null,"spread":false},{"title":"......","children":null,"spread":false},{"title":"<span style='color:steelblue;'>文件过多，未全部展示</span>","children":null,"spread":false}],"spread":true}]
评论信息
其他资源
- 三天学会AnyLogic中文版.pdf
- 基于STM32CANOpen例程（从站心跳）.zip
- LMMSE算法实现
- 探讨一种新型的双进程守护应用保活方法(双进程守护Demo)
- 13760045_复杂调制信号截获、分选与识别.pdf
- 软件开发平台课程设计（已做好的文档）
- Excel 2010 开发人员参考 chm版
- 上交软院2017、2018年机试题目及代码
- 高等代数，上册，丘维声著
- Modbus模拟器（服务端+客户端）.zip
- MATLAB源码集锦-基于SVM神经网络的上证开盘指数预测回归预测分析代码
- 开源的FFMPEG播放器，经修改后可以在VC下编译运行了
- PHP期末复习题.pdf
- 设计模式总结
- 毕业论文_局域网组建
- 德州仪器高性能模拟器件在高校中的应用及选型指南V2.0
- python自动化运维技术与最佳实践
- 浙江大学 信电系 现代信号处理 估计部分 出过的考试题
- 步进电机控制程序
- Sublime Text Build 3126 setup &x64 Setup
- wxappUnpacker-master.zip
- vc 源码 md5字符串加密算法 绝对可以用的 vc6.0 vs2010 通过
- AHRS姿态解算资料
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