降低实现神经网络的FPGA硬件资源消耗的方法研究  

Research on Reduc FPGA for Implementing Neural Networks

作　　者：陈瑶 王永强[1] 王远飞[1] 邵然 赵思成[1] Chen Yao;Wang Yongqiang;Wang Yuanfei;Shao Ran;Zhao Sicheng(Harbin Vocational and Technical College,Harbin,China)

机构地区：[1]哈尔滨职业技术学院,黑龙江哈尔滨

出　　处：《科学技术创新》2023年第13期78-82,共5页Scientific and Technological Innovation

基　　金：哈尔滨职业技术学院校内课题:人工神经元网络硬件实现的研究(HZY2020ZY006)。

摘　　要：为了满足训练神经网络的计算要求,将浮点数据替换为定点数据,使用更少的比特数,从而提高性能密度。虽然使用定点数据会降低精度,但只要性能比精度更关键,就可以使用定点数据。定点数据类型用于神经网络,可以降低使用FPGA实现神经网络的硬件资源消耗。In order to meet the computing requirements for training neural networks,floating-point data is replaced with fixed-point data using fewer bits to improve performance density.Although using fixed-point data may reduce accuracy,it can be used as long as performance is more critical than precision.Fixed-point data types are used for neural networks and can reduce the hardware resource consumption of implementing neural networks on FPGA.

关 键 词：人工神经元网络 硬件 FPGA 定点数据 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] TN791[自动化与计算机技术—控制科学与工程]