《表4 VGG-16卷积层加速性能》

  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FPGA的卷积神经网络加速模块设计》

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

除第一层外的卷积层在加速运算时乘加阵列效率都在80%以上，差别主要在输入特征图映射到乘加阵列的效率不同.Alex Net与VGG-16卷积层加速效果见表3和表4，其中卷积层单层最高性能达到204.39 GOPS，Alex Net所有卷积层的平均性能达到113.55 GOPS，VGG-16所有卷积层的平均性能达到189.03 GOPS.由于第一层卷积层的加速性能较低，而当卷积层数较多时，第一层卷积的计算量占比减小，因此在VGG-16的加速性能优于Alex Net.