基於FPGA的CNN算法移植(五)算法優化方向匯總


       

 

        以下內容為QQ聊天整理,以及網絡資料整理。本人不懂算法,如有紕漏,還請指正。

        以下才是真正意義上的優化,有時候我們在面試的時候遇到招 FPGA算法優化工程師,糊弄起來,是,我們用FPGA對算法實現了優化加速,其實不是真正意義上的算法優化。但是如果你面試的時候說了實話,說自己不會做算法優化,不好意思你很可能會被立馬刷下來。哈哈哈,是不是很無語。

 

優化方式一: 量化 

        通常軟件里采用的是32bit 浮點,需要轉換成8bit定點。這個對精度影響不大。

 

優化方式二:圖像預處理 

       很多公司在做CNN硬件移植的時候都做了語義分割。也有做灰度處理的。

 

優化方式三:裁剪分支

        卷積之后的分支太多,可以裁剪掉一些不必要分支

 

優化方式四:平衡

        有公司提到,在裁剪之后,為了讓層與層之間相類似還做了平衡操作。

 

優化方式五:二值化

        這個很多公司都在做,適合放FPGA上

 

優化方式六:卷積分離

        同層之間卷積之后的結果分離開來,不要一起求和。

 

 

 

 重中之重:選一個好點的網絡結構,比如vgg16,yolo之類,然后再想想上面的優化方法你可以用幾個

 

 

作者:清霜一夢  

。。。。。。。。。。。。。。。。。。。。。

歡迎加入: FPGA廣東交流群:162664354

。。。。。。。。。。。。。。。。。。。。

。。。。。。。。。。。。。。。。。。。。


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM