卷积模块图片

面向硬件加速的通用图像卷积实验平台①阚保强(福建师范大学协和学院信息技术系,福州350003)通讯作者:阚保强,E-mail:bqkan@163.
com摘要:FPGA因具有较好的并行处理能力和灵活性,使其在卷积神经网络硬件加速计算中得到广泛的应用,但是传统的FPGA图像卷积实现中存在模块化设计以及空间开销较大的问题.
本文提出了一种面向硬件加速的通用图像卷积开发平台.
通过模块化设计,极大提高针对不同卷积核实现图像卷积开发的灵活性;另外通过图像批次处理技术,充分利用数据重复性实现内存共享,较好地降低了存储空间的开销.
实验结果表明,本文设计的平台在模块化设计方面提供了更好的可重配置架构,非常适于实验教学应用;在存储空间需求方面,当并行度提高时,BRAM的复杂度只是线性增加,这对于功耗的降低具有优势.
关键词:FPGA;硬件加速;图像卷积;并行度引用格式:阚保强.
面向硬件加速的通用图像卷积实验平台.
计算机系统应用,2021,30(2):77–82.
http://www.
c-s-a.
org.
cn/1003-3254/7778.
htmlHardwareAccelerationOrientedGeneralExperimentPlatformofImageConvolutionKANBao-Qiang(FacultyofInformationTechnology,ConcordCollege,FujianNormalUniversity,Fuzhou350003,China)Abstract:Withfineparallelprocessingcapabilityandflexibility,FieldProgrammableGateArray(FPGA)hasbeenwidelyappliedtohardware-acceleratedcomputation,especiallyinConvolutionNeuralNetworks(CNN).
However,traditionalimageconvolutiononFPGAhaslimitedmodulardesignandlargespaceoverhead.
Thisstudybuildsageneralexperimentplatformofimageconvolutionforhardwareacceleration.
Throughthemodulardesign,itgreatlyimprovestheflexibilityinimageconvolutionfordifferentconvolutionkernels.
Inaddition,animagebatch-processingsystemisadoptedtoenablememorysharingduetodatarepetition,reducingtheneedforstoragespace.
Experimentalresultspresentthattheproposedplatformboastsabetterreconfigurablearchitectureintermsofmodulardesign.
Besides,thecomplexityofBRAMonlyincreaseslinearlywithhigherparallelism,whichhastheadvantageofreducingpowerconsumption.