基于張量虛擬機(jī)的深度神經(jīng)網(wǎng)絡(luò)模型加速方法

摘要： 隨著人工智能（AI）技術(shù)的蓬勃發(fā)展，深度神經(jīng)網(wǎng)絡(luò)（DNN）模型被大規(guī)模應(yīng)用到各類移動(dòng)端與邊緣端。然而，邊緣端算力低、內(nèi)存容量小，且實(shí)現(xiàn)模型加速需要深入掌握邊緣端硬件知識(shí)，這增加了模型的部署難度，也限制了模型的推廣應(yīng)用。因此，基于張量虛擬機(jī)（TVM）提出一種DNN加速與部署方法，從而實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)（CNN）模型在現(xiàn)場(chǎng)可編程門陣列（FPGA）上的加速，并在分心駕駛分類應(yīng)用場(chǎng)景下驗(yàn)... （共9頁(yè)）