积分商城

最新搜索： STM32上实现FFT 电子元器件快速识别与检测 激光 STC单片机原理 GL3510 QCPL-RB5C
您现在的位置是：首页 > 技术资料 > ZYNQ的卷积神经网络硬件加速通用平台设计
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

ZYNQ的卷积神经网络硬件加速通用平台设计

更新时间：2020-11-22 03:59:40 大小：1M 上传用户：zhengdai查看TA发布的资源 标签：zynq神经网络 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

近年来卷积神经网络(CNN)在人工智能领域备受关注,被越来越多应用到实际生产中。为了较好地实现工程应用,需要将算法固化到嵌入式平台上。由于卷积神经网络的数据计算并行度高、计算量大,现场可编程门阵列成为对其进行硬件加速的重要工具。本文基于Xilinx ZYNQ ZC706设计实现了卷积神经网络硬件加速的通用平台,可以满足不同卷积神经网络算法模块实现硬件加速的需求。

Convolutional Neural Network is attracted more attention recently in AI field,more and more applications are used in industry field using order to enhance the application value,it is meanful to implement algorithms on embedded to the large computing quantity and high degree of parallelism,FPGA has become a conspicuous tool as a hardware accelerator of this paper,a novel hardware platform is designed to accelerate CNN algorithms by Verilog HDL on Xilinx ZYNQ ZC706 board,which meets the needs of different kinds of implementation of CNN design modules.

部分文件列表

文件名 大小
ZYNQ的卷积神经网络硬件加速通用平台设计.pdf 1M

【关注视频号领20积分】   【关注公众号立即送20积分】

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号