FPGA实现人工智能卷积神经网络加速器

  •  课程目标

    本课程基于威视锐EagleGo平台,软件部分Caffe深度学习框架,配置GPU训练设计好的网络,将网络参数提取并定点化,导入SDSoc开发平台进行硬件加速。

  •  师资团队

  • 华清创客企业内训讲师,均是来自各个领域的资深专家,均拥有6年以上大型项目经验。

  •  培养对象

    学员学习本课程应具备下列基础知识:
    ①有verilog 或 C语言基础;
    ②了解卷积神经网络;

  •  培训方式

第一种:讲师面授
课时:共5天,每天6学时,总计30学时
◆费用:6000元
◆外地学员:代理安排食宿(需提前预定)

第二种:线上直播授课
直播课时:共10天,每天3学时,总计30学时;
辅导:授课期间,辅导老师每天有1小时的辅导直播
◆费用:6000元

第三种:企业订制培训
课时:根据订制的大纲确定课时
费用:根据课程难度,每课时1500~3000元

    •  质量保证

      1、培训过程中,如有部分内容理解不透或消化不好,可免费在下期培训班中重听;

      2、培训结束后免费提供一个月的技术支持,充分保证培训后出效果;

      3、培训合格学员可享受免费推荐就业机会。

    •  课程大纲


      第一部分深度学习基础知识             

           1. 深度学习简介  

           2. 卷积层结构       

           3. 池化层结构       

           4. 网络初始化参数含义       

       

      第二部分搭建深度学习训练环境             

           1. Caffe环境搭建  

           2. 基于Cifar10的网络进行测试环境 

           3. Python环境设置

          

      第三部分设计自定义网络                  

           1. 10分类网络设计       

           2. 生成网络结构文件及初始参数文件       

           3. 使用数据集进行训练       

           4. 使用Python接口进行对网络模型进行测试 

       

      第四部分网络参数导出和优化                  

           1. Python 导出网络参数接口讲解       

           2. 参数定点化优化方法以及对精度影响的讲解       

           3. C语言实现卷积神经网络

       

      第五部分硬件加速器设计和优化             

           1. 讲解SDSoc支持的#pragma约束    

           2. 流水线设计和并行DSP加速器设计       

           3. 加速前后性能评估对比  

           5. 使用网络截取图片进行分类测试   



the end

评论(0)