《表1 神经网络模型:基于ARM+FPGA平台的二值神经网络加速方法研究》

《表1 神经网络模型:基于ARM+FPGA平台的二值神经网络加速方法研究》   提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于ARM+FPGA平台的二值神经网络加速方法研究》


  1. 获取 高清版本忘记账户?点击这里登录
  1. 下载图表忘记账户?点击这里登录

本文设计的二值神经网络模型包括六个卷积层和三个全连接层。每个卷积层和全连接层之后都有BN层和激活层,而池化层是每两个卷积层之后添加一个,也就是在第2层、第4层、第6层卷积之后有一个池化层。卷积层中卷积核的大小为3×3,池化层中设置采样器的大小为2×2,步长为2,对特征图数据取最大值。其中第一层卷积输入的数据为图片的原始数据,是浮点类型,这与其余层的数据类型不一样,而每层的权重参数都是二值的。每层的详细参数设置如表1所示。其中conv表示卷积层,FC(full connect)表示全连接层。表1中根据网络结构分别设置了每层特征图的输入和输出个数,并分别计算了每层的输出和权重所占内存大小,每个数据按照1 bit存储来计算。BN层经过训练之后得到的参数都是浮点类型的数据,经过对卷积之后的数据处理得到了中间的浮点型数据,最后经过激活函数将中间的计算结果转换为输出的二值化数据。