ＭｉｃｒｏｃｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓＶｏｌ．３９，Ｎｏ．２，２０２３研究与设计微型电脑应用２０２３年第３９卷第２期作者简介：吴梓宏（１９９３－），男，硕士，研究方向为网络安全技术；梁兆楷（１９９３－），男，本科，助理工程师，研究方向为数据库技术。文章编号：１００７－７５７Ｘ（２０２３）０２－０１４３－０４基于ＦＰＧＡ的卷积神经网络优化压缩技术研究吴梓宏，梁兆楷（广东电网有限责任公司广州供电局，广东，广州５１００００）摘要：针对现有卷积神经网络（ＣＮＮ）模型计算效率低、内存带宽浪费大等问题，提出了一种基于现场可编程门阵列（ＦＰ－ＧＡ）优化压缩策略。对预先训练好的ＣＮＮ模型进行分层剪枝，采用基于新型的遗传算法进行信道剪枝，同时设计了两步逼近适应度函数，进一步提高了遗传过程的效率。此外，通过对剪枝ＣＮＮ模型进行数据量化，使得卷积层和全连接层的权值根据各自的数据结构以完全不同的方式存储，从而减少了存储开销。实验结果表明，在输入４０００个训练图像进行压缩过程中，该方法所耗压缩时间仅为１５．９ｓ。关键词：ＦＰＧＡ；卷积神经网络；遗传算法；网络剪枝；数据量化中图分类号：ＴＰ３９１文献标志码：ＡＯｐｔｉｍａｌＣｏｍｐｒｅｓｓｉｏｎＴｅｃｈｎｏｌｏｇｙｏｆＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋＢａｓｅｄｏｎＦＰＧＡＷＵＺｉｈｏｎｇ，ＬＩＡＮＧＺｈａｏｋａｉ（ＧｕａｎｇｚｈｏｕＰｏｗｅｒＳｕｐｐｌｙＢｕｒｅａｕｏｆＧｕａｎｇｄｏｎｇＧｒｉｄＣｏ．，Ｌｔｄ．，Ｇｕａｎｇｚｈｏｕ５１００００，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇａｔｔｈｅｌｏｗｃｏｍｐｕｔａｔｉｏｎａｌｅｆｆｉｃｉｅｎｃｙｏｆｔｈｅｅｘｉｓｔｉｎｇｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋ（ＣＮＮ）ｍｏｄｅｌａｎｄｌａｒｇｅｗａｓｔｅｏｆｍｅｍｏｒｙｂａｎｄｗｉｄｔｈ，ａｎｏｐｔｉｍｉｚｅｄｃｏｍｐｒｅｓｓｉｏｎｓｔｒａｔｅｇｙｂａｓｅｄｏｎｆｉｅｌｄｐｒｏｇｒａｍｍａｂｌｅｇａｔｅａｒｒａｙ（ＦＰＧＡ）ｉｓｐｒｏｐｏｓｅｄ．Ｔｈｅｐｒｅ－ｔｒａｉｎｅｄＣＮＮｍｏｄｅｌｉｓｈｉｅｒａｒｃｈｉｃａｌｌｙｐｒｕｎｅｄ，ａｎｄａｎｅｗｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍｉｓｕｓｅｄｆｏｒｃｈａｎｎｅｌｐｒｕｎｉｎｇ．Ａｔｔｈｅｓａｍｅｔｉｍｅ，ａｔｗｏ－ｓｔｅｐａｐｐｒｏｘｉｍａｔｉｏ...
