标题：针对重参数化模型的可配置神经网络加速设计
作者：惠兰清 曹姗 徐树公
作者单位：上海大学通信与信息工程学院，上海 200444
关键字：深度神经网络；神经网络加速器；现场可编辑逻辑门阵列；重参数化
摘要：随着人们对深度神经网络的探索，网络性能不断提高的同时，模型的宽度和深度也在不断增加。这对神经网络硬件的存储资源与计算能力提出了很大挑战。同时，神经网络加速器的研发成本较高，如何在不损失性能的情况下使神经网络加速器支持更多的网络也是一个重要的研究方向。利用了重参数化网络模型结构上的特点，提出了一种资源利用率高、具有可配置性的硬件实现方案。通过提出的基于指令集操作、易缩放的加速器和一个能够进行指令生成与数据预处理的异构系统，结构重参数化网络可以快速进行实现。最终该方案在ARRIA10设备上加速RepVGG网络达到了单张图片延时1.36 ms的效果，为CPU耗时的4.3%。