عنوان
طراحي سخت افزاري شبكه عصبي كانولوشن جهت بكارگيري در سيستم هاي نهفته
نويسنده اصلي
بهاره خبازان
مقطع تحصيلي
كارشناسي ارشد
چكيده
در اين پاياننامه يك م ماري شتاب دهندهي سخت افزاري بهينه و بلادرنگ براي شبكه ع صبي
كانولوشن با هدف به كارگيري در سيستم هاي نهفته، برروي بستر تراشه ي برنامهپذير 1 پياده شده است.
در اين م ماري لايههاي كانولو شن و پولينگ به صورت سخت افزاري پياده شده ا ست. با موازي سازي
سخت افزاري محاسبات اين دولايه، توان محاسباتي نسبت به پياده سازي هاي نرمافزاري موجود بسيار
افزايش يافته و توان م صرفي به صورت قابل توجهي كاهش يافته ا ست. طراحي انجام شده به گونه اي
است كه س ي شده با كم ترين ميزان منابع مصرفي و برروي يك بستر سخت افزاري ارزان قيمت، قابل
پياده سمممازي باشمممد. در اين م ماري يك پردازنده ي مركزي وجود دارد كه قابليت پيكربندي مجدد
قسمممت قابل برنامهريزي با اسممتقاده از آن فراهم شممده اسممت. اين پردازنده وظيفهي تنظيم سممريع
پارامترهاي هرلايه و ترتيب اجراي لايه ها را برعهده دارد. بسمممتري كه اين م ماري برروي آن طراحي
شده است، يك سيستم برروي تراشه از نوع Zynq به نام Z-turn (MYS-7Z020-C) شركت Myir كه
از خانوادهي 7000-Xilinx Zynq ا ست كه علاوه بر دا شتن ق سمت قابل برنامه ريزي 2 كه براي شتاب
دهي لايههاي كانولوشن و پولينگ استفاده شده است، داراي پردازندهي ARM است كه كنترل اصلي
م ماري شمتابدهنده را برعهده دارد و موجب ان طافپذيري آن نيز شمده اسمت. شمبكهي كانولوشمن
پياده سازي شده براي اين طرح، يك شبكه ي AlexNet ا ست كه از پيش آموزش ديده ا ست و براي
كاربرد تشخيص اشياء از آن استفاده مي شود . تمامي محاسبات انجام شده در اين م ماري به صورت 8
بيتي بهينهسممازي شممده اسممت. همچنين م ماري شممتابدهنده داراي فركانس 150 مگاهرتز و توان
مصرفي 88 / 1 وات است كه تنها با استفاده از 134 واحد محاسباتي و 601 كيلوبايت حافظهي داخلي
پياده سازي شده ا ست . ميتوانيم ادعا كنيم كه اين سرعت بالا و م ساحت كم و توان م صرفي پايين،
م ماري موردنظر را به گزينهي مناسبي براي استفاده در يك سيستم نهفته مبدل كرده است.
شماره ركورد
192955
دانشگاه
دانشگاه علم و صنعت ايران
رشته تحصيلي
الكترونيك
استاد راهنما
دكتر ستار ميرزا كوچكي