电讯技术

作者：王鹏,任轶群,范毓洋,张嘉诚

单位：(中国民航大学a.民航航空器适航审定技术重点实验室;b.电子信息与自动化学院;c.安全科学与工程学院，天津 300300)

关键词：边缘设备；动态深度神经网络；动态退出机制；硬件加速；加速电路；

基金：国家重点研发计划（2021YFB1600600）；中央高校基本科研业务费（XJ2021003601）

基于现场可编程门阵列(Field Programmable Gate Array,FPGA)实现的卷积神经网络由于具有优秀的目标识别能力，广泛应用在边缘设备。然而现有的神经网络部署多基于静态模型，因此存在无效特征提取、计算量增大、帧率降低等问题。为此，提出了动态深度神经网络的实现方法。通过引入模型定点压缩技术和并行的卷积分块方法，并结合低延迟的数据调度策略，实现了高效卷积计算。同时对神经网络动态退出机制中引入的交叉熵损失函数，提出便于硬件实现的简化方法，设计专用的加速电路。根据所提方法，在Xilinx xc7z030平台部署了具有动态深度的ResNet110网络，平台最高可完成2.78×104 MOPS（Million Operations per Second）的乘积累加运算，并支持1.25 MOPS的自然指数运算和0.125 MOPS的对数运算，相较于i7-5960x处理器加速比达到287%，相较于NVIDIA TITAN X处理器加速比达到145%。

来源：2024年第3期

《电讯技术》期刊编辑部

查看电讯技术杂志2024年第3期