面向图卷积神经网络的FPGA部署及加速研究OA北大核心CSTPCD
Research on FPGA deployment and acceleration of graph convolutional neural network
图卷积神经网络(GCN)算法在处理图结构数据任务中取得了突破性的成功,然而训练图卷积神经网络需要大量的内存空间及多次的随机内存访问等,这限制该算法的进一步部署应用.现有图卷积神经网络的部署及加速方案大多基于VitisHLS工具,该工具利用C/C++进行开发,几乎没有采用硬件描述语言的方案,存在软硬件加速不彻底问题.针对上述问题,设计一种面向GCN的FPGA部署及加速架构.该架构主要由计算模块和存储模块构成,两者都是利用硬件描述语言实现.计算模块主…查看全部>>
The graph convolutional neural network(GCN)algorithm has achieved breakthrough success in processing graph structured data tasks.However,training GCN requires a large amount of memory space and multiple random memory accesses,which limits the further deployment and application of the algorithm.Existing deployment and acceleration solutions for GCN mostly rely on the Vitis HLS tool,which is developed by means of C/C++.These solutions almost entirely neglect h…查看全部>>
高强;邵春霖;李京润;沈宗凯
红云红河烟草(集团)有限责任公司昆明卷烟厂,云南 昆明 650000红云红河烟草(集团)有限责任公司昆明卷烟厂,云南 昆明 650000红云红河烟草(集团)有限责任公司昆明卷烟厂,云南 昆明 650000昆明理工大学 信息工程与自动化学院,云南 昆明 650000
电子信息工程
图卷积神经网络FPGA加速器硬件描述语言计算模块存储模块参数量化
GCNFPGA acceleratorhardware description languagecalculation modulestorage moduleparameter quantification
《现代电子技术》 2024 (10)
39-46,8
评论