《表4 资源利用率对比:二值VGG卷积神经网络加速器优化设计》
在Ubuntu16.04操作系统下,基于Pytorch深度学习框架训练二值VGG-11卷积神经网络,实验基于CIFAR-10数据集验证,将数据集图像尺寸放大到224×224作为网络输入,数据训练利用NVIDIA Quadro P2000 GPU实现加速。基于流架构二值VGG-11加速器硬件系统开发基于ZCU102开发板,最终硬件系统实现了81%的识别率,推断速率、资源占用率等如表4所示,最高实现了219.9 FPS。
图表编号 | XD00193202700 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.06 |
作者 | 张旭欣、张嘉、李新增、金婕 |
绘制单位 | 上海工程技术大学电子电气工程学院、上海工程技术大学电子电气工程学院、上海工程技术大学电子电气工程学院、上海工程技术大学电子电气工程学院 |
更多格式 | 高清、无水印(增值服务) |