CNN卷积神经网络在FPGA加速器上的实现：深度学习算法从软件到硬件部署的实战教程,CNN卷积神经网络在FPGA加速器上的实现：软件到硬件部署的学习项目通过仿真验证，适用于FPGA和CNN深度学习算

资源文件列表(大概)

文件名

大小

1.jpg

135.9KB

2.jpg

302.97KB

加速卷积神经网络的实践之旅在当今的时代深度学习模型.docx

44.48KB

卷积神经网络加速器实现从软件到硬件的.docx

45.29KB

卷积神经网络加速器实现小型.html

614.92KB

卷积神经网络加速器实现小型加速器实.html

613.77KB

卷积神经网络加速器实现小型化探讨随着深度学习.docx

43.97KB

卷积神经网络加速器实现小型摘要本文介绍了一种.docx

20.13KB

卷积神经网络加速器实现小型版图.docx

43.32KB

卷积神经网络加速器实现小型版的技术分析随着.docx

44.48KB

本文主要介绍了卷积神经网络在加速器上的.docx

42.52KB

标题从软件到硬件小型卷积神经网络加速器的实现与仿真.docx

15.9KB

资源内容介绍

CNN卷积神经网络在FPGA加速器上的实现：深度学习算法从软件到硬件部署的实战教程,CNN卷积神经网络在FPGA加速器上的实现：软件到硬件部署的学习项目通过仿真验证，适用于FPGA和CNN深度学习算法，高效配置，可量化参数存储于片上RAM，采用Vivado开发环境。,CNN卷积神经网络 FPGA加速器实现(小型)CNN FPGA加速器实现(小型) 仿真通过，用于foga和cnn学习通过本工程可以学习深度学习cnn算法从软件到硬件fpga的部署。网络软件部分基于tf2实现，通过python导出权值，硬件部分verilog实现，纯手写代码，可读性高，高度参数化配置，可以针对速度或面积要求设置不同加速效果。参数量化后存储在片上ram，基于vivado开发。直接联系提供本项目实现中所用的所有软件( python)和硬件代码( verilog)。,核心关键词：CNN卷积神经网络; FPGA加速器; 小型CNN FPGA实现; 仿真通过; 深度学习; cnn算法; 软件到硬件fpga部署; 网络软件; tf2; python导出权值; 硬件部分verilog实现; 参数量化; 片

用户评论 (0)

相关资源

基于PLC的注塑机控制系统：触摸屏组态设计与三菱PLC的梯形图编程及接线图详解,基于PLC的注塑机控制：触摸屏组态设计详解与三菱PLC的梯形图程序实践 ,基于PLC的注塑机控制系统的设计触摸屏组态设计

基于PLC的注塑机控制系统：触摸屏组态设计与三菱PLC的梯形图编程及接线图详解,基于PLC的注塑机控制：触摸屏组态设计详解与三菱PLC的梯形图程序实践。,基于PLC的注塑机控制系统的设计触摸屏组态设计三菱PLC带解释的梯形图程序，接线图原理图图纸，io分配，组态画面,基于PLC的注塑机控制设计;触摸屏组态设计;三菱PLC;梯形图程序;接线图原理图;IO分配;组态画面,基于三菱PLC的注塑机控制系统设计与实现：触摸屏组态、梯形图与原理图解析

2.89MB19积分

aec88-main.zip

34.6MB15积分

锂电池SOC估计：基于扩展卡尔曼滤波与马里兰数据的HPPC及1C放电工况下的查表离线参数分析,锂电池SOC估计：基于扩展卡尔曼滤波与马里兰数据的多种温度、工况查表离线参数分析,锂电池SOC估计扩展卡尔

锂电池SOC估计：基于扩展卡尔曼滤波与马里兰数据的HPPC及1C放电工况下的查表离线参数分析,锂电池SOC估计：基于扩展卡尔曼滤波与马里兰数据的多种温度、工况查表离线参数分析,锂电池SOC估计扩展卡尔曼滤波估算SOC马里兰数据三种温度：0 25 45三套查表离线参数两种工况：HPPC 1C放电,锂电池SOC估计;扩展卡尔曼滤波估算SOC;马里兰数据;三种温度;三套查表离线参数;两种工况,基于扩展卡尔曼滤波的锂电池SOC精确估计：马里兰数据三温三参两种工况对比

3.19MB30积分

基于模型预测的三相并网逆变器控制策略：单矢量控制方法及其良好效果,模型预测控制单矢量三相并网逆变器性能表现优异,基于模型预测控制单矢量的三相并网逆变器，效果良好 ,基于模型;预测控制;单矢量;三相并

基于模型预测的三相并网逆变器控制策略：单矢量控制方法及其良好效果,模型预测控制单矢量三相并网逆变器性能表现优异,基于模型预测控制单矢量的三相并网逆变器，效果良好。,基于模型;预测控制;单矢量;三相并网逆变器;效果良好,基于模型预测的三相并网逆变器控制策略，单矢量优化效果显著

1.16MB42积分