發(fā)布時間：2024-05-25 13:38

　　深度神經網絡的快速發(fā)展,推動了人工智能領域的革命性進步,同時也改變了人們的生產生活方式,在廣泛的應用領域中取得了令人矚目的成果。這些深度神經網絡通常擁有很大規(guī)模,對硬件平臺的計算資源和存儲資源的需求也十分龐大,限制了在實際應用中的部署范圍,尤其是在一些移動端或者嵌入式等資源受限平臺上的使用。由于摩爾定律的發(fā)展速度正在逐漸放緩,同時神經網絡算法仍然在以很快的速度進行發(fā)展和演化,單獨地從硬件層面或者軟件層面進行神經網絡的加速和優(yōu)化,很難有效地解決資源受限的問題。本文采用軟硬件協同的方法,分別從硬件適配軟件、軟硬件耦合優(yōu)化、軟件適配硬件三個方面進行深入的研究,主要成果和創(chuàng)新點包括:·在硬件適配軟件方面,本文提出一種數據為中心的卷積神經網絡加速架構。架構采用一種全新的計算數據流,通過對算法計算中數據重用模式的利用,有效地減少片上的總數據傳輸量以及單次數據傳輸量。針對卷積操作進行優(yōu)化有效地實現卷積神經網絡的計算性能加速,專用架構的設計實現大幅度的功耗和面積的開銷降低�！ぴ谲浻布�耦合優(yōu)化方面,本文提出一種基于Re RAM的稀疏神經網絡加速架構SNrram。SNrram在軟件層面采用對硬件平臺更為友...

【文章頁數】：159 頁

【學位級別】：博士

【部分圖文】：

圖6.11QGAN量化下的DCGAN在

第6章QGAN:生成式對抗網絡量化(a)DCGAN原始模型(b)LSGAN原始模型(c)WGAN-GP原始模型(d)DCGAN1bit-D&2bit-G(e)LSGAN3bit-D&3bit-G(f)WGAN-GP4bitD&4bitG圖6.10QGAN量化下的不同GAN模型在C....

本文編號：3982178