基于FPGA的卷积神经网络浮点激励函数实现
The Implementation of Activation Function of CNN Based on FPGA Using Single Precision Floating-Point-Unit作者机构：四川大学计算机学院视觉合成图形图像技术国家重点学科实验室四川成都610065
出 版 物：《微电子学与计算机》 (Microelectronics & Computer)
年 卷 期：2017年第34卷第10期
页 面：105-109页
学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
基 金：国家"八六三"计划项目(2015AA016405) 四川省科技厅科技支撑项目(2016GZ0097)
摘 要：卷积神经网络因深度学习概念的提出再一次被研究人员所重视.激励函数是卷积神经网络的一个重要组成部分,选取了sigmoid函数作为实验对象.讨论了当前几种可行的逼近方法,最终采用分段四阶多项式拟合sigmoid函数.在FPGA上使用Verilog硬件描述语言设计了并行电路,并采集了数据集进行FPGA与CPU版本caffe库进行运算效率对比.实验结果表明,此种方法误差小效率高,FPGA在深度学习领域有着广阔的应用前景.
维普期刊数据库
同方期刊数据库