针对图像识别领域卷积神经网络(convolutional neural network,CNN)的计算需求,根据CNN的结构特点,设计出一种基于软件定义片上可编程系统(software defined system on chip,SDSoC)的加速器。首先通过修改CNN网络结构文件,选用修正线性...针对图像识别领域卷积神经网络(convolutional neural network,CNN)的计算需求,根据CNN的结构特点,设计出一种基于软件定义片上可编程系统(software defined system on chip,SDSoC)的加速器。首先通过修改CNN网络结构文件,选用修正线性单元(rectified linear unit,ReLU)作为激励函数,在虚拟机上训练出卷积神经网络的参数。最终完成一种占用硬件资源少,图像识别时间短和精度高的CNN硬件加速器。实验结果表明,与传统的CPU对比其识别精度提高至80%以上,消耗仅占其4.16%,识别时间从通用CPU的十几秒缩短至毫秒。资源消耗与识别时间都得到了很大程度的降低,为进一步加速提供了参考价值。展开更多
本文以逻辑软件开源设计为主线,基于通用化、模块化的标准研究开源逻辑软件协同设计管理系统,主要由逻辑软件协同设计管理平台、软件无线电演示验证平台和逻辑软件公共构建模块(Common Building Blocks,CBB)库三大部分组成.一方面,实现...本文以逻辑软件开源设计为主线,基于通用化、模块化的标准研究开源逻辑软件协同设计管理系统,主要由逻辑软件协同设计管理平台、软件无线电演示验证平台和逻辑软件公共构建模块(Common Building Blocks,CBB)库三大部分组成.一方面,实现逻辑软件开发及使用过程中的标准化管理、高效协同工作和资源成果共享;另一方面,提供一个快速、全面的逻辑软件原型设计验证平台,可支持各种逻辑软件的功能、性能测试.展开更多
文摘针对图像识别领域卷积神经网络(convolutional neural network,CNN)的计算需求,根据CNN的结构特点,设计出一种基于软件定义片上可编程系统(software defined system on chip,SDSoC)的加速器。首先通过修改CNN网络结构文件,选用修正线性单元(rectified linear unit,ReLU)作为激励函数,在虚拟机上训练出卷积神经网络的参数。最终完成一种占用硬件资源少,图像识别时间短和精度高的CNN硬件加速器。实验结果表明,与传统的CPU对比其识别精度提高至80%以上,消耗仅占其4.16%,识别时间从通用CPU的十几秒缩短至毫秒。资源消耗与识别时间都得到了很大程度的降低,为进一步加速提供了参考价值。
文摘本文以逻辑软件开源设计为主线,基于通用化、模块化的标准研究开源逻辑软件协同设计管理系统,主要由逻辑软件协同设计管理平台、软件无线电演示验证平台和逻辑软件公共构建模块(Common Building Blocks,CBB)库三大部分组成.一方面,实现逻辑软件开发及使用过程中的标准化管理、高效协同工作和资源成果共享;另一方面,提供一个快速、全面的逻辑软件原型设计验证平台,可支持各种逻辑软件的功能、性能测试.
