复现基于PYNQ-Z2的手写数字识别卷积加速器设计

来源雪天鱼

基于PYNQ-Z2的手写数字识别卷积加速器设计【持续更新】_雪天鱼的博客-CSDN博客

一、设计思路

复现基于PYNQ-Z2的手写数字识别卷积加速器设计_第1张图片

 1、输入28 x 28 的图片,非png格式,而是txt格式,将图片数据进行量化,存入到txt文件当中。

2、在PL端实现卷积神经网络LeNet-5,纯verilog实现,包括卷积层,激活层,池化层,全连接层。

3、在PS端输出识别的结果。

LeNet-5神经网络

卷积:28 X 28的图片,我们采用6个5X5的卷积核,卷积后得到6个24X24的图片通道 。

激活:将输出结果做非线性变换。

池化:2X2的最大池化,即将24X24的图片缩小成12X12,表征特征信息

再卷积 : 再用12个5X5的卷积核进行卷积12X12的图片,提高特征的表达维度,得到12个8X8的通道。

再激活

再池化:2X2的最大池化,即将12个8X8的图片缩小成12个4X4

展开图片成为一维的12X4X4 = 192

进入全连接层,采用10分类输出结果。

复现基于PYNQ-Z2的手写数字识别卷积加速器设计_第2张图片

模型INT8量化

 

你可能感兴趣的:(FPGA,verilog,fpga)