| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第15-21页 |
| 1.1 课题背景与意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.2.1 硬件加速平台 | 第16-17页 |
| 1.2.2 加速器研究现状 | 第17-18页 |
| 1.3 研究内容 | 第18-19页 |
| 1.4 论文的组织安排 | 第19-21页 |
| 第2章 相关理论概述 | 第21-31页 |
| 2.1 神经网络基本概念 | 第21-24页 |
| 2.1.1 神经网络基本组成单元 | 第21-22页 |
| 2.1.2 神经网络拓扑结构 | 第22-23页 |
| 2.1.3 神经网络主要计算 | 第23-24页 |
| 2.2 常见的神经网络 | 第24-27页 |
| 2.2.1 深度神经网络 | 第24-25页 |
| 2.2.2 卷积神经网络 | 第25-26页 |
| 2.2.3 长短期记忆网络 | 第26-27页 |
| 2.2.4 二值神经网络 | 第27页 |
| 2.3 稀疏神经网络简介 | 第27-29页 |
| 2.3.1 神经网络剪枝技术 | 第28页 |
| 2.3.2 基于硬件并行度的神经网络剪枝 | 第28-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第3章 加速算法的分析 | 第31-41页 |
| 3.1 神经网络预测算法分析 | 第31-34页 |
| 3.1.1 卷积层计算分析 | 第31-33页 |
| 3.1.2 池化层 | 第33-34页 |
| 3.1.3 全连接层 | 第34页 |
| 3.2 计算的迭代分析 | 第34-37页 |
| 3.2.1 卷积层计算的迭代 | 第35-36页 |
| 3.2.2 全连接层计算的迭代 | 第36-37页 |
| 3.3 传统剪枝带来的神经网络模型变化 | 第37-38页 |
| 3.4 改进型剪枝带来的神经网络模型变化 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 加速器的设计 | 第41-57页 |
| 4.1 基于传统剪枝的稀疏神经网络加速器 | 第41-51页 |
| 4.1.1 加速器整体架构设计 | 第41-42页 |
| 4.1.2 权值参数的处理 | 第42-45页 |
| 4.1.3 计算处理单元的设计 | 第45-47页 |
| 4.1.4 主要优化手段 | 第47-51页 |
| 4.2 基于改进型剪枝的稀疏神经网络加速器 | 第51-56页 |
| 4.2.1 加速器整体架构设计 | 第52-53页 |
| 4.2.2 权值参数的处理 | 第53页 |
| 4.2.3 计算处理单元的设计 | 第53-56页 |
| 4.3 本章小结 | 第56-57页 |
| 第5章 实验验证与分析 | 第57-73页 |
| 5.1 实验环境的配置 | 第57-61页 |
| 5.1.1 实验工具简介 | 第57-58页 |
| 5.1.2 实验平台简介 | 第58-59页 |
| 5.1.3 选取的神经网络模型 | 第59-61页 |
| 5.2 传统剪枝的稀疏神经网络加速器性能验证与分析 | 第61-66页 |
| 5.2.1 加速器的性能趋势 | 第62-64页 |
| 5.2.2 与稠密神经网络加速器性能比较 | 第64-66页 |
| 5.3 改进型剪枝的稀疏神经网络加速器性能验证与分析 | 第66-70页 |
| 5.3.1 加速器的性能趋势 | 第66-68页 |
| 5.3.2 与稠密神经网络加速器性能比较 | 第68-70页 |
| 5.4 本章小结 | 第70-73页 |
| 第6章 总结与展望 | 第73-75页 |
| 6.1 工作总结 | 第73-74页 |
| 6.2 未来展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-81页 |
| 在读期间发表的学术论文与取得的研究成果 | 第81页 |