基于BWDSP的众核深度学习加速器的研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第15-25页 |
| 1.1 研究背景 | 第15-22页 |
| 1.1.1 深度学习 | 第15-17页 |
| 1.1.2 众核深度学习加速器 | 第17-20页 |
| 1.1.3 片上互连 | 第20-22页 |
| 1.2 研究问题和研究意义 | 第22页 |
| 1.3 论文的主要工作 | 第22-23页 |
| 1.4 论文组织 | 第23-25页 |
| 第2章 BWDSP的深度学习计算算法的优化 | 第25-39页 |
| 2.1 BWDSP体系结构 | 第25-26页 |
| 2.2 卷积神经网络 | 第26-28页 |
| 2.3 基于多簇体系结构的深度学习算法 | 第28-33页 |
| 2.3.1 基于多簇体体系结构的卷积计算算法 | 第28-31页 |
| 2.3.2 双总线的读取带宽的优化 | 第31-32页 |
| 2.3.3 常见卷积层计算算法 | 第32-33页 |
| 2.4 基于特定网络层参数的自动代码生成 | 第33-35页 |
| 2.4.1 卷积神经网络模型的特点 | 第33页 |
| 2.4.2 代码自动生成的优化措施 | 第33-35页 |
| 2.5 实验结果与分析 | 第35-37页 |
| 2.6 本章小结 | 第37-39页 |
| 第3章 深度学习众核计算算法的研究与优化 | 第39-53页 |
| 3.1 众核计算模型 | 第39-41页 |
| 3.2 深度学习众核计算算法 | 第41-46页 |
| 3.2.1 卷积层 | 第41-44页 |
| 3.2.2 全连接层 | 第44-45页 |
| 3.2.3 网络层融合技术的扩展 | 第45-46页 |
| 3.3 计算任务划分工具Scheduler | 第46-47页 |
| 3.4 实验结果与分析 | 第47-51页 |
| 3.5 本章小结 | 第51-53页 |
| 第4章 众核深度学习加速器众核互连的研究 | 第53-65页 |
| 4.1 众核深度学习加速器的结构 | 第53-54页 |
| 4.2 基于CNN众核计算算法的众核互连 | 第54-55页 |
| 4.3 轮转三缓冲区 | 第55-57页 |
| 4.4 实验分析工具 | 第57页 |
| 4.5 实验结果与分析 | 第57-63页 |
| 4.6 本章小结 | 第63-65页 |
| 第5章 总结与展望 | 第65-69页 |
| 5.1 工作总结 | 第65-66页 |
| 5.2 本文的贡献和创新点 | 第66-67页 |
| 5.3 工作展望 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 致谢 | 第74-75页 |
| 在读期间发表的学术论文与取得的研究成果 | 第75-76页 |
| 在读期间参与的科研项目 | 第76页 |
