FPGA实现神经网络加速
1整体思路
采用LeNet-5作为手写数字识别的神经网络，原因：LeNet网络结构比较简单。
1.1 LeNet结构
enter description here
enter description here
LeNet共分为7层，分别是：
C1，卷积层
S2，池化层
C3，卷积层
S4，池化层
C5，卷积层
F6，全连接层
OUTPUT，全连接层
输入图片为尺寸32 × 32，也可以输入灰度处理后的数值即可。
卷积核大小为 5× 5
所有数据为float16类型，
2 卷积层
（1）Multi Filter Layer
一个卷积层，有多个Filter，也可以称为卷积核，image与不同的Filter卷积，得到包含不同特征的feature map。
enter description here
（2）Single Filter Layer
单个Filter，输入image，输出feature map。
（1）Multi Filter Layerenter description here
（3）Convolution Unit
每个卷积核与输入图像进行卷积，得到特征图
enter description here
（4）Processing Element
卷积所进行的具体操作就是点乘，本质是乘法和加法。这里输入是float类型，硬件实现也就是定点数。
enter description here
硬件设计图
enter description here
enter description here
3池化层
原文地址：http://www.cnblogs.com/ffy11/p/16881138.html
1. 本站所有资源来源于用户上传和网络，如有侵权请邮件联系站长！
2. 分享目的仅供大家学习和交流，请务用于商业用途!
3. 如果你也有好源码或者教程，可以到用户中心发布，分享有积分奖励和额外收入！
4. 本站提供的源码、模板、插件等等其他资源，都不包含技术服务请大家谅解！
5. 如有链接无法下载、失效或广告，请联系管理员处理！
6. 本站资源售价只是赞助，收取费用仅维持本站的日常运营所需！
7. 如遇到加密压缩包，默认解压密码为"gltf",如遇到无法解压的请联系管理员！
8. 因为资源和程序源码均为可复制品，所以不支持任何理由的退款兑现，请斟酌后支付下载
声明：如果标题没有注明"已测试"或者"测试可用"等字样的资源源码均未经过站长测试.特别注意没有标注的源码不保证任何可用性
