java8stream源码-fpgaConvnetMaxeler:在maxelerDFE设备上运行基于流的卷积神经网络

java8流源码Maxeler 上的 fpgaconvnet 在 maxeler 数据流引擎 (DFE) 上运行卷积神经网络 (CNN) 推理。 该工具链针对单个 DFE 设备上的多个 FPGA ，其中 FPGA 之间的通信主要通过 maxring（有时使用片外 RAM）完成。 该工具（截至撰写时）仅执行特征提取，即卷积、池化层等。 要使用此工具，您需要提供您希望加速的 CNN 的 protobuf 描述符，该工具将生成 FPGA 双流（即：maxfiles）。 这意味着每次要在新神经网络上运行推理或可用资源发生变化时，都需要重新编译多个 FPGA 双流。 这当然不是您开发神经网络/测试它们时想要的，但可能是您在长期使用的生产环境中想要的（例如：在至少数周内对图像进行分类）。 该工具的目标是高吞吐量 + 低功耗，也就是说，与传统使用 GPU 相比，我们的目标是拥有更低的 Ops/Watt。 支持的 DFE 卡包括： 玛雅 设计方法和参数优化将很快上传，以及如何对此进行一些黑客攻击的指南。 特征和非特征 这些是值得一提的特殊功能（和非功能），对于深度学习从业者（甚至 FPGA 深度学习加