| 基于浮柵器件的低位寬卷積神經網絡研究 | |
| 所屬分類：技術論文 | |
| 上傳者：zhoubin333 | |
| 文檔大?。?span>450 K | |
| 標簽： 卷積神經網絡 量化 存算一體 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：浮柵器件(Flash)能夠將存儲和計算的特性相結合，實現存算一體化，但是單個浮柵單元最多只能存儲位寬為4 bit的數據。面向Nor Flash，研究了卷積神經網絡參數的低位寬量化，對經典的AlexNet、VGGNet以及ResNet通過量化感知訓練。采用非對稱量化，將模型參數從32位浮點數量化至4位定點數，模型大小變為原來的1/8，針對Cifar10數據集，4位量化模型的準確率相對于全精度網絡僅下降不到2%。最后將量化完成的卷積神經網絡模型使用Nor Flash陣列加速。Hspice仿真結果表明，相對于全精度模型，部署在Nor Flash陣列中的量化模型精度僅下降2.25%，驗證了卷積神經網絡部署在Nor Flash上的可行性。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2