.png){kind=icon}
返回
High-speed convolutional neural networks using parallel prefix adders
.png){kind=icon}
PRE
AI
DOI：10.1016/j.aeue.2025.155791.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
许多深度学习应用，尤其是图像处理，经常利用卷积神经网络（CNNs）因其卓越的准确性。然而，CNNs巨大的计算需求对高速应用构成了挑战。首先，本研究介绍了一种延迟高效的混合并行前缀加法器（HPPA），其通过改变黑格和灰格路径来最小化总延迟。所提出的加法器在延迟方面优于其他现有的PPA加法器，相比近期PPA加法器，总延迟降低了10.64%。其次，我们采用了所提出的HPPA加法器来获得高速LeNet CNN架构。将所提出的混合加法器集成到LeNet CNN架构中，显著减少了卷积层的延迟。对所提出的PPA加法器以及LeNet架构的卷积层进行了FPGA实现。所提出的PPA加法器实现了3.05%的延迟改进，而LeNet CNN的关键路径延迟相比相关实现降低了16.78%。采用所提出的延迟高效PPA加法器实现的LeNet架构为在高速应用中部署CNNs提供了有前景的解决方案。
Keyword:
LeNet
Deep learning (DL)
Hybrid PPA
CNN
FPGA
期刊
A
IF:
3.2
论文数:
5.8K
被引数:
8.3K
机构
引用论文
High-throughput systolic array-based accelerator for hybrid transformer-CNN networks基于高通量脉动阵列的混合Transformer-CNN网络加速器
OAAI
OAAI分享收藏The collaborative peer review framework as a model for training biomedical graduate students to perform rigorous, ethical peer review协作式同行评审框架作为培训生物医学研究生进行严格、合乎伦理的同行评审的模型OAAI
OAAI分享收藏Agronomical, biochemical and histological response of resistant and susceptible wheat and barley under BYDV stress.png)
PeerJ
OAAI
PeerJIF0
OAAI分享收藏
查看更多内容