基于張量虛擬機的深度神經網絡模型加速方法

摘要： 隨著人工智能（AI）技術的蓬勃發(fā)展，深度神經網絡（DNN）模型被大規(guī)模應用到各類移動端與邊緣端。然而，邊緣端算力低、內存容量小，且實現模型加速需要深入掌握邊緣端硬件知識，這增加了模型的部署難度，也限制了模型的推廣應用。因此，基于張量虛擬機（TVM）提出一種DNN加速與部署方法，從而實現卷積神經網絡（CNN）模型在現場可編程門陣列（FPGA）上的加速，并在分心駕駛分類應用場景下驗...