1. 研究目的与意义（文献综述包含参考文献）
一、引言卷积神经网络（convolutional neural network，cnn）是一种前馈神经网络，是人工神经网络（artificial neural network，ann）的一种，它的权值共享网络结构减少了传统全连接型神经网络所需的训练参数的数量。
cnn可以提取出图像中的深度特征，其主要包括卷积层、非线性激活层、池化层和全连接层等。
其多层次的网络结构保证了输入图像的特征提取的充分性，并且特有的输入信息特征提取的方法（卷积和子采样）不仅避免了识别算法对信息复杂的处理过程，还在处理含有不同种类和程度变形的图像或语音信息时也有着很高的识别率。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
2. 研究的基本内容、问题解决措施及方案
一、课题研究内容本课题要在掌握基于fpga的cnn的加速设计方法，通过丰富的可编程逻辑门阵列进行加速卷积等运算。
要求学生提出具体的解决方案，进行系统硬件设计、软件设计，最终通过实物制作和调试实现系统。
主要问题：1、掌握cnn架构的设计；2、熟悉pytorch的使用；3、选用具体的应用设计；4、完成基于fpga的cnn加速器设计,达到一定加速效果；5、完成毕业设计论文。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
