论文笔记

Going Deeper with Embedded FPGA Platform for Convolutional Neural Network

FPGA’16, February 21-23, 2016, Monterey, CA, USA

Abstract

• CNN 模型中卷积层是以计算为中心，而全连接层是以内存为中心，即限制卷积层计算速度的关键在于大量的数据计算，而全连接层相比数据计算而言,限制速度的瓶颈在于数据读取的带宽
• 采用动态数据量化方法和一种卷积核的设计实现在整个 CNN 模型，可以提高 带宽 和 资源的利用率

Platform

• Device: Xilinx Zynq ZC706
• CNN Model: VGG16-SVD

Key Content

• 一种动态数据的量化方法

• 卷积核的3种并行

  • 乘法器之间的并行
  • 卷积核运算单元之间的并行
  • 处理单元PE之间而的并行
    

• 数据搬移策略

Evaluation