《表1 MOBILENET中卷积层的IFMAP重用率》
提示：宽带有限、当前游客访问压缩模式
本文将提取的各卷积层参数传输到FPGA中进行分层仿真。该硬件计算结构分别在MOBILENET神经网络和ALEXNET神经网络中进行实验，结果如表1、表2所列。
| 图表编号 | XD00150207800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.05.01 |
| 作者 | 聂宇琛、唐雪寒、马瑶、马钟、李申 |
| 绘制单位 | 西安微电子技术研究所、西安微电子技术研究所、西安微电子技术研究所、西安微电子技术研究所、西安微电子技术研究所 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 网络卷积层的具体参数》2021.01.01
- 《表2 学习率比选实验：基于特征重用的交通标志识别技术应用研究》2020.02.25
- 《表4 各阶段训练结果图：基于MobileNet与YOLOv3的轻量化卷积神经网络设计》2020.07.10
- 《表2 ALEXNET中卷积层的IFMAP重用率》2020.05.01
- 《表3 剪枝后每个卷积层的卷积核数目》2020.09.15
- 《表4 改变2个卷积层的时域波形图特征的语音识别率》2020.06.20
- 《表3 改变2个卷积层的语谱图特征的语音识别率》2020.06.20
- 《表1 常用卷积网络的不同层的数量统计》2020.04.20
- 《表1 不同卷积层的融合结果》2020.04.16
- 《表1 C-3D可变形卷积神经网络模型中卷积层与池化层的具体参数设置》2020.02.25
- 《表3 3个卷积层的正交实验结果》2020.02.25
- 《表2 两个卷积层的正交实验结果》2020.02.25
- 《表1 深度卷积神经网络结构（卷积核尺寸与每个卷积层的通道数）》2020.01.10
- 《表1 网络各层的卷积核个数设置》2020.01.16
- 《表1 不同卷积层的比较：基于卷积神经网络的立体匹配算法》2019.12.25
- 《表4 不同卷积层的对比实验》2019.09.01
- 《表4 1×1卷积层的对比实验结果Tab.4 Contrast experimental results of 1×1 convolution layer》2019.01.25
- 《表1 S-MobileNet构建模块卷积部分的实现》2019.09.10
- 《表1 各卷积层的参数设置》2019.07.01
- 《表4 卷积层的因子分解后比较结果》2019.02.15