| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外的研究现状 | 第11-13页 |
| 1.2.1 模型压缩 | 第11-13页 |
| 1.2.2 计算加速 | 第13页 |
| 1.3 本文研究内容 | 第13-14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第2章 技术背影 | 第16-32页 |
| 2.1 人工神经元 | 第16-19页 |
| 2.1.1 人工神经元模型 | 第16-17页 |
| 2.1.2 激活函数 | 第17-19页 |
| 2.2 人工神经网络 | 第19-24页 |
| 2.2.1 网络结构模型 | 第19-20页 |
| 2.2.2 损失函数 | 第20-21页 |
| 2.2.3 训练方法 | 第21-24页 |
| 2.3 卷积神经网络 | 第24-27页 |
| 2.3.1 卷积层 | 第24-26页 |
| 2.3.2 池化层 | 第26-27页 |
| 2.3.3 全连接层 | 第27页 |
| 2.4 NEON优化 | 第27-31页 |
| 2.4.1 NEON寄存器 | 第27-29页 |
| 2.4.2 NEON指令简介 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 非对称三元权重量化研究 | 第32-42页 |
| 3.1 非对称三元权重量化方法 | 第32-35页 |
| 3.1.1 权重分析 | 第32-33页 |
| 3.1.2 量化方法 | 第33-34页 |
| 3.1.3 性能分析 | 第34-35页 |
| 3.2 非对称三元权重网络训练方法 | 第35-37页 |
| 3.2.1 算法描述 | 第36-37页 |
| 3.2.2 训练细节 | 第37页 |
| 3.3 非对称三元权重存储方法 | 第37-40页 |
| 3.3.1 量化存储原理 | 第37-38页 |
| 3.3.2 量化存储实现 | 第38-40页 |
| 3.4 本章小结 | 第40-42页 |
| 第4章 低精度矩阵加速深度神经网络实现 | 第42-54页 |
| 4.1 神经网络低精度计算设计 | 第42-44页 |
| 4.2 基于NEON指令的矩阵乘法实现 | 第44-48页 |
| 4.2.1 浮点矩阵乘法NEON实现 | 第44-47页 |
| 4.2.2 8-bit定点整数矩阵乘法NEON实现 | 第47-48页 |
| 4.3 指令调度优化 | 第48-50页 |
| 4.3.1 指令流水线 | 第48-50页 |
| 4.3.2 指令重排优化 | 第50页 |
| 4.4 高速缓存优化 | 第50-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 实验与分析 | 第54-66页 |
| 5.1 实验环境介绍 | 第54页 |
| 5.2 模型压缩实验 | 第54-60页 |
| 5.2.1 CIFAR-10数据集上的实验 | 第55-57页 |
| 5.2.2 ImageNet数据集上的实验 | 第57-60页 |
| 5.3 模型加速实验 | 第60-64页 |
| 5.3.1 矩阵乘法加速实验 | 第60-61页 |
| 5.3.2 神经网络加速实验 | 第61-64页 |
| 5.4 本章小结 | 第64-66页 |
| 第6章 总结与展望 | 第66-68页 |
| 6.1 本文总结 | 第66-67页 |
| 6.2 未来展望 | 第67-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-76页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第76页 |