پياده‌سازي سخت‌افزاري شبكه‌ي عصبي كانولوشن جهت تسريع مرحله استنتاج

كارشناسي ارشد

در اين پايان‌نامه يك معماري سخت‌افزاري بهينه جهت پياده‌سازي شبكه عصبي كانولوشن طراحي و روي تراشه زينك Ultrascale+ EG3 پياده‌سازي شد. جهت پياده‌سازي از بورد Ultra96 AVNET استفاده شده است. در اين معماري شبكه عصبي كانولوشن به صورت سه ماژول مجزا به نام‌هاي Conv2D، AddReluPadd و MaxPool پياده‌سازي شد كه مي‌توانند به صورت موازي با يكديگر كار كنند. هدف از اين پياده‌سازي معرفي سيستمي است كه در كنار قدرت محاسباتي بالا، توان مصرفي مطلوبي داشته و براي استفاده در سيستم‌هاي نهفته مناسب باشد. در معماري پيشنهادي خواندن و نوشتن داده در حافظه خارجي به صورت جرياني بوده و با استفاده از تكنيك‌هاي مختلف، ميزان رجوع به حافظه بسيار كاهش يافته كه اين امر موجب كاهش توان مصرفي و همچنين افزايش كارايي شده است. در اين معماري موازي‌سازي در بخش‌هاي مختلف پياده‌سازي صورت گرفته و همچنين استفاده از تكنيك خط‌ لوله موجب افزايش گذردهي شده است. در اين طرح براي تابع فعالسازي رلو يك مدار جديد و بسيار بهينه تنها با استفاده از يك مالتي‌پلكسر معرفي شده است. كنترل ماژول‌ها، دستور شروع و پايان كار ماژول‌ها و همچنين تنظيم آدرس‌هاي خواندن و نوشتن توسط پردازنده آرم روي زينك انجام مي‌شود. همچنين اين پياده‌سازي انعطاف‌پذير بوده و با تغيير هايپرپارامترها، مي‌توان هر شبكه عصبي كانولوشني كه شامل لايه‌هاي كانولوشن، تابع رلو و مكس پولينگ باشد را روي اين سيستم اجرا نمود. در اين طرح شبكه الكسنت با دو نوع داده مختلف مميز شناور و مميز ثابت، 32 بيتي پياده‌سازي شد و در انتها نتايج آن‌ها با يكديگر مقايسه گرديد. معماري ارائه شده با داده‌هاي مميز ثابت، داراي فركانس 300 مگاهرتز و توان مصرفي 87/2 وات بوده و همچنين در اين طرح كارايي سيستم GOPs 31/51 مي‌باشد. مقدار كارايي بر DSP در اين سيستم برابر 006/1 مي‌باشد. اين عدد نسبت به كارهاي مشابه بسيار بالاتر بوده و بيانگر آن است كه با منابع بسيار كم‌تر توانستيم به كارايي بسيار بالايي دست يابيم. در واقع فركانس و كارايي بالا در كنار توان مصرفي پايين، موجب شده تا اين معماري براي سيستم‌هاي نهفته گزينه مطلوبي باشد.

194878

دانشگاه علم و صنعت ايران

مدارهاي مجتمع الكترونيك

دكتر ستار ميرزاكوچكي