基于FPGA的CNN算法移植（五）算法优化方向汇总

       

 

        以下内容为QQ聊天整理，以及网络资料整理。本人不懂算法，如有纰漏，还请指正。

        以下才是真正意义上的优化，有时候我们在面试的时候遇到招 FPGA算法优化工程师，糊弄起来，是，我们用FPGA对算法实现了优化加速，其实不是真正意义上的算法优化。但是如果你面试的时候说了实话，说自己不会做算法优化，不好意思你很可能会被立马刷下来。哈哈哈，是不是很无语。

 

优化方式一： 量化 

        通常软件里采用的是32bit 浮点，需要转换成8bit定点。这个对精度影响不大。

 

优化方式二：图像预处理 

       很多公司在做CNN硬件移植的时候都做了语义分割。也有做灰度处理的。

 

优化方式三：裁剪分支

        卷积之后的分支太多，可以裁剪掉一些不必要分支

 

优化方式四：平衡

        有公司提到，在裁剪之后，为了让层与层之间相类似还做了平衡操作。

 

优化方式五：二值化

        这个很多公司都在做，适合放FPGA上

 

优化方式六：卷积分离

        同层之间卷积之后的结果分离开来，不要一起求和。

 

 

 

 重中之重：选一个好点的网络结构，比如vgg16，yolo之类，然后再想想上面的优化方法你可以用几个

 

 

作者：清霜一梦  

。。。。。。。。。。。。。。。。。。。。。

欢迎加入： FPGA广东交流群：162664354

。。。。。。。。。。。。。。。。。。。。

。。。。。。。。。。。。。。。。。。。。