原创 Vivado HLS(High-level Synthesis)筆記五：for循環優化
一. 基本性能指標 for循環優化的基本概念、對for循環施行流水的優化、for循環的展開以及for循環的循環變量的數據類型是否對結果資源有影響 1. 流水線優化 2. for循環的展開 默認情況下for循環是被摺疊的，所謂摺
2019-05-13 08:31:03
原创 Vivado HLS(High-level Synthesis)筆記八：優化方法綜述
一. Optimizing for Throughout 改變吞吐率是通過提高並行度實現的； Pipeline可以作用於函數，也可以作用於循環，當其作用於函數時是連續的，作用於循環時中間有停頓； 二. Optimizing fo
2019-05-13 08:31:03
原创 Vivado HLS(High-level Synthesis)筆記六：數組優化
一. 數組分割 對於數組可以resource directive來明確告知HLS當前數組採用什麼樣的Memory（RAM、FIFO等）來實現，如果沒有使用resource，Vivado HLS會自行決定採用單端口還是雙端口（取決於
2019-05-13 08:31:03
原创 Vivado HLS(High-level Synthesis)筆記四：接口綜合
一. 基本介紹 接口綜合的結果有兩種類型的接口：Block-level interface protocol和Port-level interface protocol。 1. Block-level interface proto
2019-05-12 07:37:08
原创 Toward Extremely Low Bit and Lossless Accuracy in DNNs with Progressive ADMM
論文題目：Toward Extremely Low Bit and Lossless Accuracy in DNNs with Progressive ADMM 使用漸進式ADMM（交替方向乘子法）實現DNN中極低的位和無損
2019-05-12 07:37:08
2
原创 Vivado HLS(High-level Synthesis)筆記一：HLS基本流程
前言 實驗室項目需要，需要將在服務器段跑出的網絡參數配置到FPGA上，一種方法是直接利用verilog或者vhdl直接去寫一個網絡的前向傳播模型，另一種就是用 C/C++ 來描述網絡的前向傳播模型，然後利用Vivado的HLS將其轉化
2019-05-11 06:10:51
原创 Vivado HLS(High-level Synthesis)筆記三：Test bench
一. C/C++ Test bench的基本架構 Test bench是一個用來驗證邏輯功能是否正確的虛擬壞境，由Driver/Stimulus（輸入激勵）、Reference Model（參考模型，其輸出結果是正確結果）、DUT
2019-05-11 06:10:51
1
原创 Vivado HLS(High-level Synthesis)筆記二：數據類型及其初始化、複合數據類型、HLS中的C++基本運算
一. 如何處理任意精度的數據類型 C語言支持的數據類型有字符型、整型（有符號和無符號）、浮點型、boolean類型等的，需要注意的是char 16_t和char 30_t這兩個數據類型在Vivado HLS中是不支持的； Viva
2019-05-11 06:10:51
1
原创 XNOR-Net論文解讀
論文地址：https://arxiv.org/abs/1603.05279 代碼地址：http://allenai.org/plato/xnornet Abstract 我們提出了兩種對標準卷積神經網絡的高效近似：Binary-Wei
2019-05-09 00:39:14
15
原创 Soft Filter Pruning（SFP）論文解讀
論文地址：https://arxiv.org/abs/1808.06866 GitHub：https://github.com/he-y/soft-filter-pruning Abstract 這篇論文提出了SFP（Soft Fil
2019-04-29 20:47:17
29
原创 Pruning Filters For Efficient ConvNets論文解讀
論文鏈接：https://arxiv.org/abs/1608.08710 Abstract CNN在不同應用中取得的成功伴隨着參數存儲成本和計算量的增加，最近朝着減少這些花銷的努力涉及到剪枝和壓縮不同層的權重，並且是在不損傷精度的條
2019-04-26 20:01:13
7
原创 PyTorch 學習筆記（八）：圖像增強、ResNet完成Cifar10分類
一. 圖像增強的方法 一直以來，圖像識別這一計算機視覺的核心問題都面臨很多挑戰，同一個物體在不同情況下都會得出不同的結論。對於一張圖片，我們看到的是一些物體，而計算機看到的是一些像素點。 如果拍攝照片的照相機位置發生了改變，那麼拍得的
2019-04-25 19:50:49
1
原创 PyTorch 學習筆記（三）：線性迴歸、logistic迴歸
通過前面兩篇筆記的學習已經基本瞭解了PyTorch裏面的基本處理對象、運算操作、自動求導、以及數據處理方法、模型的保存和加載等基礎知識。下來就是實戰部分了。 一. 線性迴歸 1. 一維線性迴歸 給定數據集 D={(x1,y1),(x2
2019-04-23 20:05:13
1
原创 PyTorch 學習筆記（五）：多層全連接網絡實現MNIST手寫數字分類
先來介紹幾個比較重要的函數 1. torch.nn.CrossEntropyLoss()函數 交叉熵損失函數，在pytorch中若模型使用CrossEntropyLoss這個loss函數，則不應該在最後一層再使用softmax進行激活
2019-04-23 20:05:13
原创 PyTorch 學習筆記（四）：激活函數對比、權重初始化、防止過擬合的方法
一. 激活函數 如果不用激活函數，每一層輸出都是上層輸入的線性函數，無論神經網絡有多少層，輸出都是輸入的線性組合。如果使用的話，激活函數給神經元引入了非線性因素，使得神經網絡可以任意逼近任何非線性函數，這樣神經網絡就可以應用到衆多的非
2019-04-23 20:05:13