《 AI加速器架构设计与实现》+第一章卷积神经网络观后感

2023-9-11 20:34:01 1739 加速器

0 《 AI加速器架构设计与实现》+第一章卷积神经网络观感在本书的引言中也提到“一图胜千言”，读完第一章节后，对其进行了一些归纳（如图1），第一章对常见的神经网络结构进行了介绍，举例了一些结构对应的神经网络有哪些，也看到了自己在k210中用到的FAST RCNN和RestNet18分类网络，需要保证硬件实现和算法一致，这样才事半功倍，否则，可能会差别比较大。对于神经网络算法的执行，加速器的设计十分重要，介绍了GCN模块（如下图2），指出了GCN目前面临的挑战，以及GCN模块之间的关系（如图3）。本书对网络进行抽象，得到多个更小的基本块，例如在残差块中，就出现了不同的变化方法，利用1*1的卷积进行升维和降维（如图4），还可以调整直连的位置来对其做出调整，介绍图形结合，比较利于理解。对于初端块，举例了不同初端块结构（如图5），了解到神经网络中的"跳跃连接块"（Skip Connection Block）和"组卷积块"（Grouped Convolution Block）是两种不同的网络模块，用于改进神经网络的性能和特征提取能力。跳跃连接块是一种模块，通常用于深度卷积神经网络中，特别是在残差网络（Residual Network，ResNet）中广泛使用，也是我比较熟悉的。组卷积块是一种卷积神经网络中的模块，其主要目的是将卷积操作分成多个组别进行处理。在本章节中，对常见网络算子进行了说明（如图6），卷积神经网络的核心运算方式是卷积操作，池化操作和全连接操作。图1 思维导图图2 GCN模块分布图图3 GCN模块之间的关系图 ![1cdc490d87c1aa877ea5e9f44d0297a0f8483cfccded5c78b8e58dd109349e26.png](//file1.elecfans.com/web2/M00/A2/88/wKgZomT_CPGARiSjABPMsn2Z6ZY685.png) 图4 使用残差结构进行升维和降维图5 初端块不同的结构图6 网络常见算子 1
2023-9-11 20:34:01　　评论淘帖0 举报相关推荐 • 第一章 0 • 基于FPGA的SIMD卷积神经网络加速器 24 • 《 AI加速器架构设计与实现》+第2章的阅读概括 3223 • 优化基于FPGA的深度卷积神经网络的加速器设计 8037 • stm32—第一章GPIO 8 • 绪论和第一章 4 • 模拟电路第一章 0 • 信号与系统第一章 0 • EDA技术及应用第一章 0 • 第一章绪论 5