安全自主可控的国产化FPGA神经网络部署框架研究

针对现有的深度学习边缘应用依赖非国产FPGA架构和加密IP实现产生潜在的安全问题,并且难以快速部署在IP不足、尚在发展中的国产化FPGA平台,设计了一种基于国产FPGA的神经网络硬件部署框架,配备独立于FPGA厂商的硬件IP库,实现国产FPGA神经网络部署的安全自主可控,并以此为基础进行了验证性实验。实验结果表明,本文所提出的神经网络部署框架具备实用功能,基于所提出框架能够实现国产FPGA神经网络快速部署,并且基于框架实现的16位精度Lenet5网络推理速度提高了6.67倍,仅为0.024 ms,GOPS吞吐率提升了5.13倍,达到147.8 GOPS;框架针对卷积计算转矩阵的数据降维进行了特定优化,相比基于Intel Xeon E 2276M CPU,进行卷积数据预转换加速了124.9倍。