Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
A Digits-Recognition Convolutional Neural Network on FPGA
Linköpings universitet, Institutionen för systemteknik, Datorteknik.
2019 (Engelska)Självständigt arbete på avancerad nivå (masterexamen), 20 poäng / 30 hpStudentuppsats (Examensarbete)Alternativ titel
Ett faltningsbaserat neuralt nätverk för sifferigenkänning på FPGA (Svenska)
Abstract [en]

A convolutional neural network (CNN) is a deep learning framework that is widely used in computer vision. A CNN extracts important features of input images by perform- ing convolution and reduces the parameters in the network by applying pooling operation. CNNs are usually implemented with programming languages and run on central process- ing units (CPUs) and graphics processing units (GPUs). However in recent years, research has been conducted to implement CNNs on field-programmable gate array (FPGA).

The objective of this thesis is to implement a CNN on an FPGA with few hardware resources and low power consumption. The CNN we implement is for digits recognition. The input of this CNN is an image of a single digit. The CNN makes inference on what number it is on that image. The performance and power consumption of the FPGA is compared with that of a CPU and a GPU.

The results show that our FPGA implementation has better performance than the CPU and the GPU, with respect to runtime, power consumption, and power efficiency.

Ort, förlag, år, upplaga, sidor
2019. , s. 37
Nationell ämneskategori
Inbäddad systemteknik
Identifikatorer
URN: urn:nbn:se:liu:diva-161663ISRN: LiTH-ISY-EX--19/5264--SEOAI: oai:DiVA.org:liu-161663DiVA, id: diva2:1367984
Ämne / kurs
Elektroteknik
Presentation
2019-10-08, Transformen, Linkoping University, Linkoping, 11:00 (Engelska)
Handledare
Examinatorer
Tillgänglig från: 2019-11-05 Skapad: 2019-11-05 Senast uppdaterad: 2019-11-05Bibliografiskt granskad

Open Access i DiVA

fulltext(985 kB)32 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 985 kBChecksumma SHA-512
2054d2b0ac35233cabb0fbdfff6b032668be08c5a3531d66be5d590dc221953d69884aefe889374bd3647599a1b8897c8769648e496d11ba40cc0384fd95348d
Typ fulltextMimetyp application/pdf

Sök vidare i DiVA

Av författaren/redaktören
Wang, Zhenyu
Av organisationen
Datorteknik
Inbäddad systemteknik

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 32 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 113 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf