针对现有语音情感识别系统的部署功耗高、不具有便携性的缺点,提出一种基于神经网络加速器的FPGA语音情感识别系统设计。在FPGA上实现语音MFCC(Mel Frequency Cepstrum Coefficient)特征的提取,便于进行识别;为神经网络加速器设计指令...针对现有语音情感识别系统的部署功耗高、不具有便携性的缺点,提出一种基于神经网络加速器的FPGA语音情感识别系统设计。在FPGA上实现语音MFCC(Mel Frequency Cepstrum Coefficient)特征的提取,便于进行识别;为神经网络加速器设计指令生成算法,将网络模型部署在神经网络加速器实现语音情感识别。整个系统主要硬件资源消耗为37078个LUT和153个DSP,支持在主流FPGA平台上的部署。经过检验,语音情感识别系统的指令运算误差可达0.06以下,输出误差为0.0004以下,满足语音情感识别的需求。展开更多
虚拟计算机在云计算中被广泛使用时,会导致用户到服务器的距离比以前更长,引起虚拟计算机的性能退化,这会带来服务质量的恶化和ICT(information communication technology)设备能源消耗的增加;针对该问题,提出了把网络加速器自动应用到...虚拟计算机在云计算中被广泛使用时,会导致用户到服务器的距离比以前更长,引起虚拟计算机的性能退化,这会带来服务质量的恶化和ICT(information communication technology)设备能源消耗的增加;针对该问题,提出了把网络加速器自动应用到云计算网络中的方法;为了使用当前主流的网络加速器,方案采用了基于mSCTP的数据传输,该协议在迁移前后使用不同的传输控制协议(TCP)连接的;文章没有考虑动态迁移本身会使虚拟计算机的性能退化,实验结果表明,虽然需要安装网络加速器作为云资源的一部分并暂时地增加通信链路的数据包传输速度,但是文章提出的使用网络加速器方法,可明显地降低ICT设备的能源消耗,其降低量是原来不使用网络加速器时的1/3。展开更多
文摘针对现有语音情感识别系统的部署功耗高、不具有便携性的缺点,提出一种基于神经网络加速器的FPGA语音情感识别系统设计。在FPGA上实现语音MFCC(Mel Frequency Cepstrum Coefficient)特征的提取,便于进行识别;为神经网络加速器设计指令生成算法,将网络模型部署在神经网络加速器实现语音情感识别。整个系统主要硬件资源消耗为37078个LUT和153个DSP,支持在主流FPGA平台上的部署。经过检验,语音情感识别系统的指令运算误差可达0.06以下,输出误差为0.0004以下,满足语音情感识别的需求。
文摘虚拟计算机在云计算中被广泛使用时,会导致用户到服务器的距离比以前更长,引起虚拟计算机的性能退化,这会带来服务质量的恶化和ICT(information communication technology)设备能源消耗的增加;针对该问题,提出了把网络加速器自动应用到云计算网络中的方法;为了使用当前主流的网络加速器,方案采用了基于mSCTP的数据传输,该协议在迁移前后使用不同的传输控制协议(TCP)连接的;文章没有考虑动态迁移本身会使虚拟计算机的性能退化,实验结果表明,虽然需要安装网络加速器作为云资源的一部分并暂时地增加通信链路的数据包传输速度,但是文章提出的使用网络加速器方法,可明显地降低ICT设备的能源消耗,其降低量是原来不使用网络加速器时的1/3。
