[发明专利]一种基于FPGA的卷积神经网络IP核设计

权利要求书

1.一种基于FPGA的卷积神经网络IP核设计，其特征在于主要包括以下步骤：

(1)数据输入，调整图片尺寸大小，提取处理后图片像素，将提取的图片像素输入到卷积神经网络IP核中；

(2)IP核卷积神经网络计算，该IP核卷积神经网络计算包括三个卷积层(Conv)计算模块，两个内积层(Inner)计算模块，一个分类层(Softmax)计算模块，步骤(1)提取到的图片像素输入到上述IP核中的各个计算模块，得到输出分类数据；

(3)分类数据输出，输出最后分类结果。

2.如权利要求1所述的FPGA卷积神经网络IP核设计，其特征在于，步骤(2)中所述IP核卷积神经网络计算包含以下步骤：

(1)参数权值结构化，将Caffe框架训练好的卷积网络的权重参数一层一层的提取出来，再将得到的参数进行定点量化；

(2)计算模块程序编写，根据定点量化后的参数在HLS开发工具中分计算模块编写程序，每一个计算模块都定义结构；

(3)卷积神经网络封装成IP核，将整个卷积神经网络的过程按计算模块顺序封装成IP核。

3.如权利要求2所述的IP核卷积神经网络计算，其特征在于步骤(1)中的参数权值结构化对不同网络层参数进行了(13,0)，(14,0)，(15,0)等不同方式的定点量化，所述参数定点量化模块用于降低FPGA资源消耗以及计算所用时钟周期，CNN网络中每一层的权值大小都相差很大，小数位的精度也不一致，需要对每一层选取适当的量化位宽，使得量化后的运算对识别率造成影响最低。