基本信息
文件名称:可重构平台下卷积神经网络的异构多核加速策略与实践.docx
文件大小:58.92 KB
总页数:37 页
更新时间:2025-08-24
总字数:约5.82万字
文档摘要
可重构平台下卷积神经网络的异构多核加速策略与实践
一、引言
1.1研究背景与意义
随着人工智能技术的飞速发展,卷积神经网络(ConvolutionalNeuralNetwork,CNN)作为深度学习的核心算法之一,在计算机视觉、语音识别、自然语言处理等众多领域取得了巨大的成功。在计算机视觉领域,CNN被广泛应用于图像分类、目标检测、图像分割等任务。以图像分类为例,基于CNN的模型在ImageNet大规模视觉识别挑战赛中取得了令人瞩目的成绩,其分类准确率不断刷新,远超传统方法。在自动驾驶领域,CNN用于识别道路、行人、交通标志等,为车辆的自主行驶提供关键的决策依据。在安防监控中