RISC-V MCU中文社区

【分享】 【分享】CNN卷积神经网络设计原理及在MCU200T上仿真测试队伍编号名称:CICC1037+对对队

发表于 全国大学生集成电路创新创业大赛 2021-06-26 13:41:36
0
1933
3

队伍编号名称:CICC1037+对对队

CNN算法简介

我们硬件加速器的模型为Lenet-5的变型,网络粗略分共有7层,细分共有13层。包括卷积,最大池化层,激活层,扁平层,全连接层。下面是各层作用介绍:

卷积层:提取特征。不全连接,参数共享的特点大大降低了网络参数,保证了网络的稀疏性,防止过拟合。之所以可以参数共享,是因为样本存在局部相关的特性。

池化层:MaxPoolAveragePool等。其中MaxPool应用广泛。因为经过MaxPool可以减小卷积核的尺寸,同时又可以保留相应特征,所以主要用来降维。

全连接层:在全连接的过程中丢失位置信息,降低了学习过程中的参数敏感度。

RELU激活函数:该函数的提出很大程度的解决了BP算法在优化深层神经网络时的梯度耗散问题。当x>0 时,梯度恒为1,无梯度耗散问题,收敛快;当x<0 时,该层的输出为0

CNN设计流程:

1、构建缓冲区

2、将卷积操作展开成乘加操作。

3、层层复用。

design file设计图

综合之后设计部分设计图


仿真测试结果


喜欢3
用户评论
Ada

Ada 实名认证

懒的都不写签名

积分
问答
粉丝
关注
  • RV-STAR 开发板
  • RISC-V处理器设计系列课程
  • 培养RISC-V大学土壤 共建RISC-V教育生态
RV-STAR 开发板