卢冶¹,陈瑶^2,4,李涛^1,3,蔡瑞初²,宫晓利^1,3

¹(南开大学计算机与控制工程学院 天津 300350); ²(广东工业大学计算机学院 广州 510006); ³(计算机体系结构国家重点实验室(中国科学院计算技术研究所) 北京 100190); ⁴(新加坡高等数字科学研究中心 新加坡 138632) (luye@nankai.edu.cn)

出版日期: 2018-03-01


基金资助:国家自然科学基金项目(61702286)；天津市自然科学基金项目(14JCQNJC00700,16ICYIC15200)；计算机体系结构国家重点实验室开放课题(CARCH201504,CARCH201604)；天津市大数据与云计算重大专项(15ZXDSGX00020)；福建省信息处理与智能控制重点实验室开放课题(MJUKF201733)；天津市优秀企业科技特派员项目(17JCTPJC49500)

Convolutional Neural Network Construction Method for Embedded FPGAs Oriented Edge Computing

Lu Ye¹, Chen Yao^2,4, Li Tao^1,3, Cai Ruichu², Gong Xiaoli^1,3

¹(College of Computer and Control Engineering, Nankai University, Tianjin 300350); ²(School of Computers, Guangdong University of Technology, Guangzhou 510006); ³(State Key Laboratory of Computer Architecture (Institute of Computing Technology, Chinese Academy of Sciences), Beijing 100190); ⁴(Advanced Digital Sciences Center, Singapore 138632)

Online: 2018-03-01

摘要/Abstract

摘要： 当前，高计算消耗的应用和服务逐渐从集中式云计算中心向网络边缘的嵌入式环境迁移，FPGA因其灵活性和高能效特性，使其在边缘计算的嵌入式系统中得到广泛的应用.传统的FPGA卷积神经网络构造方法存在设计周期长和优化空间小等缺点，无法有效探索硬件加速器的设计空间，在网络边缘的的嵌入式环境下尤为明显.针对该问题，提出一种面向边缘计算的嵌入式FPGA平台卷积神经网络通用的构建方法.通过设计卷积神经网络函数中的网络层间可复用的加速器核心，以少量硬件资源实现性能优化的卷积神经网络硬件；通过拓展设计、缓存优化及数据流优化等技术，实现HLS设计优化；利用该方法在嵌入式FPGA平台上构建相应卷积神经网络，实验结果表明:优化后的网络模型在与Xeon E5-1620 CPU和GTX Titan GPU相比时，在功耗与性能方面具有一定优势，适合应用于边缘计算环境中.

参考文献

相关文章 15

[1]	汤嘉武, 郑龙, 廖小飞, 金海. 面向高性能图计算的高效高层次综合方法[J]. 计算机研究与发展, 2021, 58(3): 467-478.
[2]	张燕咏, 张莎, 张昱, 吉建民, 段逸凡, 黄奕桐, 彭杰, 张宇翔. 基于多模态融合的自动驾驶感知及计算[J]. 计算机研究与发展, 2020, 57(9): 1781-1799.
[3]	黄倩怡, 李志洋, 谢文涛, 张黔. 智能家居中的边缘计算[J]. 计算机研究与发展, 2020, 57(9): 1800-1809.
[4]	刘泽宁, 李凯, 吴连涛, 王智, 杨旸. 多层次算力网络中代价感知任务调度算法[J]. 计算机研究与发展, 2020, 57(9): 1810-1822.
[5]	马惠荣, 陈旭, 周知, 于帅. 绿色能源驱动的移动边缘计算动态任务卸载[J]. 计算机研究与发展, 2020, 57(9): 1823-1838.
[6]	王志刚, 王海涛, 佘琪, 史雪松, 张益民. 机器人4.0: 边缘计算支撑下的持续学习和时空智能[J]. 计算机研究与发展, 2020, 57(9): 1854-1863.
[7]	卢海峰, 顾春华, 罗飞, 丁炜超, 杨婷, 郑帅. 基于深度强化学习的移动边缘计算任务卸载研究[J]. 计算机研究与发展, 2020, 57(7): 1539-1554.
[8]	郭进阳, 邵传明, 王靖, 李超, 朱浩瑾, 过敏意. FPGA图计算的编程与开发环境：综述和探索[J]. 计算机研究与发展, 2020, 57(6): 1164-1178.
[9]	乐光学, 戴亚盛, 杨晓慧, 刘建华, 游真旭, 朱友康. 边缘计算可信协同服务策略建模[J]. 计算机研究与发展, 2020, 57(5): 1080-1102.
[10]	梁玉珠, 梅雅欣, 杨毅, 马樱, 贾维嘉, 王田. 一种基于边缘计算的传感云低耦合方法[J]. 计算机研究与发展, 2020, 57(3): 639-648.
[11]	芦效峰, 廖钰盈, Pietro Lio, Pan Hui. 一种面向边缘计算的高效异步联邦学习机制[J]. 计算机研究与发展, 2020, 57(12): 2571-2582.
[12]	丁旭阳, 谢盈, 张小松. 基于边缘计算的进化多目标优化图像隐写算法[J]. 计算机研究与发展, 2020, 57(11): 2260-2270.
[13]	周俊, 沈华杰, 林中允, 曹珍富, 董晓蕾. 边缘计算隐私保护研究进展[J]. 计算机研究与发展, 2020, 57(10): 2027-2051.
[14]	宁振宇,张锋巍,施巍松. 基于边缘计算的可信执行环境研究[J]. 计算机研究与发展, 2019, 56(7): 1441-1453.
[15]	韩栋,周聖元,支天,陈云霁,陈天石. 智能芯片的评述和展望[J]. 计算机研究与发展, 2019, 56(1): 7-22.

PDF全文下载地址:

https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3651