《表2 实验数据及与其他文献的对比Tab.2 Experiment results and the comparison to these of other works》

  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

《一种基于FPGA的卷积神经网络加速器的设计与实现》

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

经过板级测试，该系统运行的工作频率为150MHz，识别每张图片时间为49ms.通过对本次设计的板级测试，得到系统的性能和功耗数据与其他文献的对比，如表2所示.由表中列出的其他文献的测试结果可以发现解决方案的吞吐率与采用FPGA器件中乘法器的数目呈正相关趋势.本次实现采用的FPGA器件中包含的乘法器数量较少，因此在吞吐率这个指标上并不占优势；既然解决方案的吞吐率与采用FPGA器件中乘法器的数目呈正相关趋势（且通过3.3小节中对资源占用情况的分析，可以得到本次设计的限制因素就是乘法器的数目），那么对于不同器件之间对同一目标的实现，我们可以用乘法器利用效率，即单位乘法器所贡献的吞吐率，来衡量设计方案的有效性.可以看到，本次设计在该指标上优于此表中的其他实现方案，这意味着在计算资源受限的嵌入式平台中，该方案能提供更高的性能；器件资源的减少带来的好处是运行功耗的降低，通过性能功耗比这个指标可以衡量实现方案对能量的利用效率，可以看到本次设计实现在该指标上的表现也优于此表中列出的其他方案，这意味着对于一些对能耗有严格要求的嵌入式设备中，该方案可以使单位能量贡献更多的计算量.