计算机工程

作者：黄瑞, 金光浩, 李磊, 姜文超, 宋庆增

单位：1. 天津工业大学 计算机科学与技术学院, 天津 300387;2. 广东工业大学 计算机学院, 广州 510006

关键词：硬件加速,模型压缩,轻量化神经网络,现场可编程门阵列,并行计算

基金：广东省自然科学基金（2018A030313061）；广东省科技计划项目（2017B010124001，201902020016，2019B010139001）。

针对以MobileNet为代表的轻量化卷积网络，基于现场可编程门阵列平台设计网络加速器。通过优化DW、PW轻量化模块并实现常用的卷积、ReLU等功能模块，满足神经网络加速器低功耗、低时延的要求，同时基于指令设计使加速器支持MobileNet及各类变种。利用上位机配置YoloV3 tiny（不含轻量模块）指令和YoloV3&MobileNet（含轻量模块）指令进行目标检测，实验结果表明，该网络加速器具有较快的推断速度，用于YoloV3 tiny结构时达到85 frame/s，用于YoloV3&MobileNet结构时达到62 frame/s。

来源：2021年第9期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第9期