基于部分二值卷积的嵌入式终端神经网络性能优化技术研究
| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-9页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文主要研究内容 | 第12-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 2 相关背景技术介绍 | 第15-28页 |
| 2.1 主成分分析 | 第15-16页 |
| 2.2 卷积神经网络简介 | 第16-25页 |
| 2.2.1 卷积神经网络结构 | 第16-21页 |
| 2.2.2 卷积神经网络优化 | 第21-25页 |
| 2.3 卷积神经网络二值化 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 基于部分二值卷积的神经网络性能优化框架 | 第28-45页 |
| 3.1 TaijiNet框架概述 | 第28-29页 |
| 3.2 TaijiNet框架设计 | 第29-38页 |
| 3.2.1 PCA累积能量分析 | 第29-31页 |
| 3.2.2 部分二值卷积 | 第31-35页 |
| 3.2.3 逐点卷积层 | 第35-37页 |
| 3.2.4 模型重训练 | 第37-38页 |
| 3.3 输入二值化技术 | 第38-43页 |
| 3.3.1 输入二值化加速原理 | 第39-40页 |
| 3.3.2 GPU Kernel设计 | 第40-42页 |
| 3.3.3 层重排策略 | 第42-43页 |
| 3.4 本章小结 | 第43-45页 |
| 4 实验探究及结果分析 | 第45-57页 |
| 4.1 测试环境与测试方法 | 第45-47页 |
| 4.2 二值权重测试结果及分析 | 第47-52页 |
| 4.2.1 卷积核重要性衡量指标的比较 | 第47-48页 |
| 4.2.2 核选择策略的比较 | 第48-50页 |
| 4.2.3 总体性能 | 第50-52页 |
| 4.3 二值输入二值权重测试结果及分析 | 第52-56页 |
| 4.3.1 GPU kernel的验证 | 第52-54页 |
| 4.3.2 总体性能 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 5 总结与展望 | 第57-59页 |
| 5.1 本文总结 | 第57-58页 |
| 5.2 本文展望 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 附录 | 第64-66页 |
| A 作者在攻读学位期间发表的论文目录 | 第64页 |
| B 作者在攻读学位期间发表的专利目录 | 第64页 |
| C.作者在攻读学位期间参加的科研项目目录 | 第64-65页 |
| D.学位论文数据集 | 第65-66页 |
| 致谢 | 第66页 |
