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 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 báo này, đề xuất tảng hiệu thiết kế thực thi phần cứng kiến trúc mạng nơ-ron sâu tùy biến thiết bị FPGA Nền tảng hỗ trợ trình huấn luyện tự động tạo mã lệnh VHDL môi trường MATLAB để thực mạng nơ-ron sâu tùy biến với tối đa lớp Bài toán nhận dạng chữ số viết tay với tập sở liệu MNIST khảo sát, với tỉ lệ nhận dạng đạt 97,20% sử dụng mạng nơ-ron sâu với lớp ẩn (kiến trúc 784-40-40-10) FPGA Virtex-5 Xilinx Chúng hi vọng tảng đề xuất ứng dụng cho tạo mẫu phần cứng nhanh kiến trúc mạng nơ-ron sâu ứng dụng nhận dạng mẫu thực tế Từ khóa: Mạng nơ-ron sâu; Nhận dạng mẫu; FPGA; Thực thi phần cứng; Dấu phẩy động; MNIST