| 学位论文的主要创新点 | 第3-4页 |
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-18页 |
| 1.1 研究背景和意义 | 第8-11页 |
| 1.1.1 研究背景 | 第8-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.2.1 卷积神经网络应用 | 第11-12页 |
| 1.2.2 卷积神经网络实现方式 | 第12-13页 |
| 1.3 自动代码生成技术 | 第13-16页 |
| 1.3.1 自动代码生成技术背景 | 第13-14页 |
| 1.3.2 自动代码生成技术实现方式 | 第14-15页 |
| 1.3.3 自动代码生成技术应用 | 第15-16页 |
| 1.4 本文工作 | 第16-18页 |
| 第二章 相关工作 | 第18-30页 |
| 2.1 卷积神经网络模型 | 第18-23页 |
| 2.1.1 卷积神经网络基本结构 | 第18-20页 |
| 2.1.2 反向传播算法 | 第20-21页 |
| 2.1.3 CNN工作原理 | 第21-22页 |
| 2.1.4 卷积神经网络发展历程 | 第22-23页 |
| 2.2 基于GPU的加速器设计 | 第23-24页 |
| 2.3 基于推断的加速器设计 | 第24-30页 |
| 2.3.1 基于HLS方式 | 第24-26页 |
| 2.3.2 基于RTL的一般CNN加速器 | 第26页 |
| 2.3.3 基于RTL的优化的CNN加速器 | 第26-27页 |
| 2.3.4 基于ARM+FPGA形式 | 第27-30页 |
| 第三章 基于自动代码生成技术的CNN设计 | 第30-44页 |
| 3.1 整体框架 | 第30-32页 |
| 3.2 网络结构描述 | 第32-35页 |
| 3.3 代码模板 | 第35-37页 |
| 3.3.1 模板标签 | 第35页 |
| 3.3.2 模板参数定义 | 第35-37页 |
| 3.4 生成规则 | 第37-38页 |
| 3.4.1 参数替换 | 第37-38页 |
| 3.5 目标应用代码 | 第38-44页 |
| 3.5.1 英特尔FPGA SDK | 第39页 |
| 3.5.2 硬件平台 | 第39-40页 |
| 3.5.3 基于Intel FPGA OpenCL设计流程 | 第40-41页 |
| 3.5.4 OpenCL FPGA框架 | 第41-44页 |
| 第四章 软件平台设计 | 第44-54页 |
| 4.1 XAML | 第45-47页 |
| 4.1.1 XAML基础知识 | 第45-46页 |
| 4.1.2 XAML语法 | 第46页 |
| 4.1.3 XAML和C | 第46-47页 |
| 4.2 软件开发环境 | 第47-48页 |
| 4.3 软件UI设计 | 第48-49页 |
| 4.4 软件功能实现 | 第49-54页 |
| 4.4.1 代码生成流程 | 第49-50页 |
| 4.4.2 解析XML网络结构文件 | 第50-51页 |
| 4.4.3 解析OpenCL模板文件 | 第51-54页 |
| 第五章 实验 | 第54-62页 |
| 5.1 实验环境 | 第54-55页 |
| 5.1.1 实验平台 | 第54页 |
| 5.1.2 环境变量配置 | 第54页 |
| 5.1.3 OpenCL环境验证 | 第54-55页 |
| 5.2 实验过程 | 第55-58页 |
| 5.2.1 目标应用 | 第55页 |
| 5.2.2 网络结构 | 第55-56页 |
| 5.2.3 CNN参数 | 第56-57页 |
| 5.2.4 生成代码 | 第57页 |
| 5.2.5 下载和运行 | 第57-58页 |
| 5.3 实验结果与分析 | 第58-60页 |
| 5.3.1 识别精度 | 第58页 |
| 5.3.2 资源利用 | 第58-59页 |
| 5.3.3 运行速度 | 第59-60页 |
| 5.4 结论 | 第60-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 发表论文和参加科研情况说明 | 第68-70页 |
| 致谢 | 第70页 |