標(biāo)簽：lstm
-
循環(huán)神經(jīng)網(wǎng)絡(luò)FPGA也能做
發(fā)布時(shí)間：2017年09月16日，查看次數(shù)：836循環(huán)神經(jīng)網(wǎng)絡(luò)(RNNs)具有保留記憶和學(xué)習(xí)數(shù)據(jù)序列的能力。由于RNN的循環(huán)性質(zhì)，難以將其所有計(jì)算在傳統(tǒng)硬件上實(shí)現(xiàn)并行化。當(dāng)前CPU不具有大規(guī)模并行性，而由于RNN模型的順序組件，GPU只能提供有限的并行性。針對(duì)這個(gè)問題，普渡大學(xué)的研究人員提出了一種LSTM在Zynq 7020 FPGA的硬件實(shí)現(xiàn)方案，該方案在FPGA中實(shí)現(xiàn)了2層128個(gè)隱藏單元的RNN，并且使用字符級(jí)語言模型進(jìn)行了測試。該實(shí)現(xiàn)比嵌入在Zynq 7020 FPGA上的ARM Cortex-A9 CPU快了21倍。LSTM是一種特殊的RNN，由于獨(dú)特的設(shè)計(jì)結(jié)構(gòu)，LSTM適合…
