購物車(0)
基于FPGA的遞歸神經(jīng)網(wǎng)絡(luò)加速器的研究進展
關(guān)鍵詞：遞歸神經(jīng)網(wǎng)絡(luò) fgpa 加速器
摘要：遞歸神經(jīng)網(wǎng)絡(luò)(RNN)近些年來被越來越多地應(yīng)用在機器學習領(lǐng)域,尤其是在處理序列學習任務(wù)中,相比CNN等神經(jīng)網(wǎng)絡(luò)性能更為優(yōu)異。但是RNN及其變體,如LSTM、GRU等全連接網(wǎng)絡(luò)的計算及存儲復(fù)雜性較高,導(dǎo)致其推理計算慢,很難被應(yīng)用在產(chǎn)品中。一方面,傳統(tǒng)的計算平臺CPU不適合處理RNN的大規(guī)模矩陣運算;另一方面,硬件加速平臺GPU的共享內(nèi)存和全局內(nèi)存使基于GPU的RNN加速器的功耗比較高。FPGA由于其并行計算及低功耗的特性,近些年來被越來越多地用來做RNN加速器的硬件平臺。對近些年基于FPGA的RNN加速器進行了研究,將其中用到的數(shù)據(jù)優(yōu)化算法及硬件架構(gòu)設(shè)計技術(shù)進行了總結(jié)介紹,并進一步提出了未來研究的方向。
網(wǎng)絡(luò)與信息安全學報雜志要求:
{1}稿件應(yīng)注明作者聯(lián)系電話、電子郵箱、工作單位及最方便的郵局收件地址，以便編輯部收到稿件后登記、編號，并寄樣刊。
{2}請作者自留文章底稿，本刊恕不退稿。
{3}來稿的中文題目限20字以內(nèi)，題目字體為宋體三號加粗；作者宋體四號；內(nèi)容提要、關(guān)鍵詞楷體五號。
{4}參考文獻：按照中文參考文獻在前，日文參考文獻次之，西文參考文獻居后的順序排列。各語種參考文獻以作者姓名讀音為序。
{5}摘要應(yīng)有獨立性和自含性，不用報道語式，不出現(xiàn)評價性詞語，不用序號，不分段。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
