2021年Xilinx定制计算冬令营项目

基于Ultra96-V2平台加速一种卷积神经网络

项目成员

姜有亮（Youliang Jiang, [email protected]）

项目内容

本项目在Ultra96-V2平台上构建了一种卷积神经网络，通过对网络进行量化减少参数量与计算量，利用FPGA并行化、流水化的优势，实现了对卷积神经网络的加速推理，提高了检测的实时性。

主要工作

1. 使用Pytorch框架搭建卷积神经网络并进行训练，并按照硬件需求完成网络的参数量化工作，得到最终部署在Ultra96-V2平台上的网络模型。
2. 根据Pytorch生成的网络模型，使用HLS工具进行卷积神经网路的硬件实现，包括卷积、Padding、滑窗、BN、激活、池化等。最终生成Vivado设计所需的IP核文件。
3. 搭建Vivado Block Design，生成Bitstream，将上板所需文件拷贝至Ultra96-V2平台，在Ultra96-V2平台进行调试与测试。

板卡型号

Ultra96-V2

使用的工具

1. Python 3.7
2. Pytorch 1.7.1
3. Vivado HLS 2018.3
4. Vivado 2020.1

实验结果

Notice

MobileNet模型还未完全实现，这里暂时仅提供软件端模型，待后续更新。