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
- book_实验设计_刘文卿
- SSM商城系统毕业设计.zip
- Delphi Raize Components
- 单片机应用技术项目式教程（C语言版）孟凤果 课后习题答案
- python pip安装包 下载
- 甲基化分析流程（R）+代码
- STM32系列单片机引脚分布及管脚定义
- 中兴刷机工具putty
- 关于绝热演化的一般模型
- 结合使用电纺丝和微成型来调节雪旺氏细胞行为，制备取向聚己内酯支架
- 重庆德图的DTU-BS4I电流变送器
- nomachine_7.0.211_4_amd64.deb
- 01WISE开发多帐套同步源码 (1) (1).zip
- minio-client.zip
- MIMO-OFDM Wireless Communications with MATLAB
- U3S_MP_V3.287.zip
- EAT开发烧录工具 SIM800C
- UWB的TDOA无线同步官方实现笔记.rar
- 完全用API构成的串口串试助手VC6源码
- C#做的俄罗斯方块，功能还可以
- 收藏奉献_DOS汉字系统36：龙梦2000汉字系统 + DOSBOX
- 把gif分割成png的序列帧（去掉纯黑色背景）和把序列帧拼接成一个gif
- 费尔个人防火墙2.0源代码
- 基于海思3516v300编译的rtmpdump库文件以及源码
- Hi3519AV100 4K Smart IP Camera SoC 用户指南
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