A framework for customizable deep neural network hardware generation on FPGA

A FRAMEWORK FOR CUSTOMIZABLE DEEP NEURAL NETWORK HARDWARE GENERATION ON FPGA NỀN TẢNG CHO THỰC THI MẠNG NƠ RON SÂU TÙY BIẾN ĐƯỢC TRÊN FPGA Tác giả Huynh Viet Thang, Huynh Minh Vu, Ho Phuoc Tien Danang[.]

A FRAMEWORK FOR CUSTOMIZABLE DEEP NEURAL NETWORK

HARDWARE GENERATION ON FPGA

NỀN TẢNG CHO THỰC THI MẠNG NƠ-RON SÂU TÙY BIẾN ĐƯỢC TRÊN FPGA

Tác giả: Huynh Viet Thang, Huynh Minh Vu, Ho Phuoc Tien Danang University of Science and Technology, The University of Danang Vietnam Posts and Telecommunications Group (VNPT) – Quang Ngai Province thanghv@dut.udn.vn; vuhm.qni@gmail.com; hptien@dut.udn.vn

Abstract:

In this paper, we propose an efficient framework for the design and hardware implementation of customizable deep neural network (DNN) architectures targeted on FPGA devices This framework supports the training and automatic VHDL code generation of customizable DNN hardware implementation with up to 8 layers entirely in MATLAB environment The handwritten digit recognition application with MNIST database is investigated, showing a recognition accuracy of 97.20% when using a 2-hiddenlayer DNN (784-40-40-10) architecture targeted on the Xilinx Virtex-5 FPGA We hope our proposed framework can help with fast hardware prototyping of DNN architectures in practical pattern recognition applications

Key words: Deep neural network; Pattern recognition; FPGA; Hardware implementation;

Floating-point; MNIST

Tóm tắt:

Trong bài báo này, chúng tôi đề xuất một nền tảng hiệu quả trong thiết kế và thực thi trên phần cứng các kiến trúc mạng nơ-ron sâu tùy biến được trên các thiết bị FPGA Nền tảng này hỗ trợ quá trình huấn luyện và tự động tạo mã lệnh VHDL trong môi trường MATLAB để thực hiện các mạng nơ-ron sâu tùy biến được với tối đa 8 lớp Bài toán nhận dạng chữ số viết tay với tập

cơ sở dữ liệu MNIST được khảo sát, với tỉ lệ nhận dạng đúng đạt 97,20% khi sử dụng một mạng nơ-ron sâu với 2 lớp ẩn (kiến trúc 784-40-40-10) trên FPGA Virtex-5 của Xilinx Chúng tôi hi vọng rằng nền tảng đề xuất có thể được ứng dụng cho tạo mẫu phần cứng nhanh các kiến trúc mạng nơ-ron sâu trong các ứng dụng nhận dạng mẫu thực tế

Từ khóa: Mạng nơ-ron sâu; Nhận dạng mẫu; FPGA; Thực thi trên phần cứng; Dấu phẩy

động; MNIST