一種基于國產嵌入式CPU核的BP神經網絡SoC設計
2021年電子技術應用第4期
徐文亮
杭州電子科技大學 電子信息學院，浙江 杭州310018
摘要： 基于國產嵌入式CPU核CK803S及其SoC設計平臺，設計一款BP神經網絡SoC。給出了SoC的設計結構及BP神經網絡硬件加速器的設計方案，針對BP神經網絡硬件加速器中非線性的Sigmod和Guass激活函數，選擇了一種既不影響速度又節約資源的方法來實現，并對其性能、功耗進行優化。驗證結果表明，設計滿足要求。
中圖分類號： TN47；TN492
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.200949
中文引用格式： 徐文亮. 一種基于國產嵌入式CPU核的BP神經網絡SoC設計[J].電子技術應用，2021，47(4)：63-66.
英文引用格式： Xu Wenliang. Design of a BP neural network SoC based on domestic embedded CPU[J]. Application of Electronic Technique，2021，47(4)：63-66.
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.200949
中文引用格式： 徐文亮. 一種基于國產嵌入式CPU核的BP神經網絡SoC設計[J].電子技術應用，2021，47(4)：63-66.
英文引用格式： Xu Wenliang. Design of a BP neural network SoC based on domestic embedded CPU[J]. Application of Electronic Technique，2021，47(4)：63-66.
Design of a BP neural network SoC based on domestic embedded CPU
Xu Wenliang
School of Electronic Information，Hangzhou Dianzi University，Hangzhou 310018，China
Abstract： The paper designs a Back Propagation(BP)neural network system on chip(SoC) based on the domestic embedded Central Processing Unit(CPU) CK803S and its SoC design platform. The design structure of SoC and the design scheme of BP neural network hardware accelerator are given, and for the non-linear BP activation functions Sigmod and Guass, a method that can save hardware resources while not affect the speed is selected to implement them,and optimize accelerator′s performance and power consumption.The verification results show that the design can meet the requirements.
Key words : BP neural network；domestic embedded processor CK803S；SoC design platform；FPGA implement
0 引言
人工神經網絡的實現方法主要分為硬件實現[1]和軟件實現[2]兩種。神經網絡軟件實現的方法具有并行度低和實現速度慢的特點，并且不能滿足神經網絡對實時運算的要求。除此之外，最大的缺點是用軟件模擬實現的方法需要龐大體積的計算機作支持，這樣就很不適合應用于嵌入式場景。基于硬件實現的神經網絡具有運算速度快、并行性高等優點[3]，并且在實時運算方面也能滿足要求。綜合考慮，本文采用硬件實現的方法來設計人工神經網絡。
本文設計的目的是找到一種方法——硬件實現的神經網絡能夠進行動態調節，既可以實現神經網拓撲結構的動態調節，即每層網絡和每層神經元的個數動態可調，也可以實現輸入權值和閾值的自動更新。本文以BP神經網絡為例，使用國產嵌入式CPU CK803S及其SoC設計平臺SmartL-Prime，實現一款BP神經網絡SoC的設計。
本文詳細內容請下載：http://www.jysgc.com/resource/share/2000003465
作者信息：
徐文亮
(杭州電子科技大學 電子信息學院，浙江 杭州310018)
此內容為AET網站原創，未經授權禁止轉載。