| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外发展现状 | 第11-14页 |
| 1.2.1 卷积神经网络实现技术 | 第11-13页 |
| 1.2.2 卷积神经网络超参数优化方法 | 第13-14页 |
| 1.3 本文主要工作 | 第14-15页 |
| 1.4 论文结构 | 第15-18页 |
| 第2章 深度学习技术及其硬件加速方法 | 第18-30页 |
| 2.1 高层次综合 | 第18-19页 |
| 2.2 机器学习 | 第19-21页 |
| 2.2.1 线性分类器 | 第19-20页 |
| 2.2.2 人工神经网络 | 第20-21页 |
| 2.3 卷积神经网络 | 第21-25页 |
| 2.3.1 卷积层 | 第22-23页 |
| 2.3.2 激活函数 | 第23-24页 |
| 2.3.3 池化层 | 第24页 |
| 2.3.4 全连接层 | 第24-25页 |
| 2.4 VGGNet | 第25-26页 |
| 2.5 FPGAs和CNN实现 | 第26-27页 |
| 2.5.1 实现挑战 | 第26-27页 |
| 2.5.2 FPGACNN加速器 | 第27页 |
| 2.5.3 软错误缓解内核 | 第27页 |
| 2.6 基于贝叶斯优化算法的超参数优化 | 第27-28页 |
| 2.7 本章小结 | 第28-30页 |
| 第3章 卷积神经网络加速器设计 | 第30-40页 |
| 3.1 CaffeCNN框架 | 第30页 |
| 3.2 顶层网络设计 | 第30-32页 |
| 3.2.1 数据对象 | 第30-31页 |
| 3.2.2 层设计 | 第31-32页 |
| 3.3 卷积层 | 第32-36页 |
| 3.3.1 矩阵乘法方法 | 第32-34页 |
| 3.3.2 平铺卷积方法 | 第34-35页 |
| 3.3.3 层的设置 | 第35-36页 |
| 3.4 全连接层 | 第36-38页 |
| 3.4.1 矢量矩阵乘法方法 | 第36页 |
| 3.4.2 点乘卷积方法 | 第36-38页 |
| 3.4.3 层设置 | 第38页 |
| 3.5 ReLU层 | 第38页 |
| 3.5.1 层设置 | 第38页 |
| 3.6 池化层 | 第38-39页 |
| 3.6.1 层设置 | 第39页 |
| 3.7 本章小结 | 第39-40页 |
| 第4章 卷积神经网络的超参数优化 | 第40-48页 |
| 4.1 常见超参数优化算法 | 第40-42页 |
| 4.1.1 SMBO | 第40-41页 |
| 4.1.2 TPE | 第41-42页 |
| 4.1.3 贝叶斯优化算法 | 第42页 |
| 4.2 高斯过程 | 第42-43页 |
| 4.3 对GP模型训练的优化 | 第43-45页 |
| 4.3.1 MaximumLikelihood方法 | 第43-44页 |
| 4.3.2 改进的MCMC方法 | 第44-45页 |
| 4.4 采集函数 | 第45-47页 |
| 4.4.1 常用的采集函数 | 第45-46页 |
| 4.4.2 基于汤普森采样改进的采集函数 | 第46-47页 |
| 4.5 改进的贝叶斯优化算法的实现 | 第47页 |
| 4.6 本章小结 | 第47-48页 |
| 第5章 卷积神经网络软硬件协同系统的设计及实现 | 第48-58页 |
| 5.1 整体框架 | 第48-49页 |
| 5.2 PS设计 | 第49-50页 |
| 5.2.1 Zynq-7000操作系统 | 第49页 |
| 5.2.2 应用软件 | 第49-50页 |
| 5.3 PS和PL接口 | 第50-52页 |
| 5.3.1 AXI-MMMasterBus | 第51页 |
| 5.3.2 AXI-Lite接口 | 第51-52页 |
| 5.4 硬件内核设计 | 第52-53页 |
| 5.5 开发方法 | 第53页 |
| 5.6 SocDrawer | 第53-55页 |
| 5.7 硬件实现 | 第55-56页 |
| 5.8 本章小结 | 第56-58页 |
| 第6章 CNN软硬件协同系统的实验与结果 | 第58-68页 |
| 6.1 CNN硬件加速器实验及结果分析 | 第58-61页 |
| 6.1.1 实验环境 | 第58-59页 |
| 6.1.2 软件层测试 | 第59页 |
| 6.1.3 PS/PL接口测试 | 第59-60页 |
| 6.1.4 硬件核测试 | 第60页 |
| 6.1.5 嵌入式系统运行CNN层 | 第60页 |
| 6.1.6 实验结果及结论 | 第60-61页 |
| 6.2 CNN超参数优化算法实验及结果分析 | 第61-65页 |
| 6.2.1 实验环境 | 第61-62页 |
| 6.2.2 实验结果 | 第62-65页 |
| 6.2.3 实验结论 | 第65页 |
| 6.3 CNN软硬件协同系统实验及结果分析 | 第65-67页 |
| 6.3.1 实验环境 | 第65页 |
| 6.3.2 实验步骤 | 第65页 |
| 6.3.3 实验结果分析 | 第65-67页 |
| 6.4 本章小结 | 第67-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间取得的研究成果 | 第74-76页 |
| 致谢 | 第76页 |