文件名称：Static_BFP_CNN:CNN的静态块浮点量化
文件大小：12.88MB
文件格式：ZIP
更新时间：2024-06-16 22:08:36
Python
1. BFP_DNN 部署用于深度神经网络的块浮点量化整个实现基于 。 1.1。 新奇 本质上，块浮点（BFP）可以看作是对数量化。 以前的工作[ ， ， ]已经探索了BFP量化为DNN。 但是，有几个缺点： 大型数据集的轻量级CNN模型（Inceptionv4，mobilenetv2）的准确性显着降低。 虽然这些工作在对诸如Cifar10和UCF101之类的小型数据集进行评估时在Alexnet上显示出卓越的准确性，但我们的实验表明，对于inceptionv4和mobilenetv2，Imagenet12的准确性下降了很多。 硬件实现困难。 在以前的工作中，BFP块的份额指数是运行时（在线）确定的最大指数。 这种方法需要额外的时间成本和硬件资源来找到最大指数并为每个层执行重新对齐。 在这项工作中，我们提出了离线BFP量化方法，其中在将DNN部署在实际FPGA加速器上之前确定共