基于FPGA的手写数字识别神经网络加速——pytorch网络搭建及训练

Posted 2021-04-03 佛系的FPGAer

点击蓝字

该项目的Github链接如下：

https://github.com/buaa-zzx/Deep_learning_on_FPGA

LetNet网络作为神经网络学习的当中的“Hello World”，是学习神经网络的经典项目，本次实验也利用PYNQ框架实现手写数字识别作为神经网络加速的入门教程。首先简要介绍一下LetNet网络：

其首先输入大小为32*32的单通道图片，然后通过若干卷积层和全连接层得到最终的分量向量，从而得到最终的分类结果。可以看到LetNet网络结构非常的简单明了，然后首先使用pytorch框架对网络进行搭建和训练，首先导入相关库函数：

然后加载pytorch自带的MNIST数据集，并将其可视化：

然后定义网络结构，并且使用优化器进行训练，可以看到，得到的训练结果如下所示：

准确率在98%到99%之间波动，效果良好，然后对权重进行保存。由于保存的pth文件pynq难以直接读取，所以可以将其转换为其他形式的文件，如bin，txt等。这里为了让参数更加直观，将其保存为txt文件。由于pth文件其为字典形式的文件，所以需要编写一个脚本文件将其转换为需要的文件格式。打开第一个卷积层的权重可以看到其有150个数据，符合6*5*5=150的预期。LetNet的网络搭建及训练部分告一段落，下一部分将利用HLS平台实现整个神经网络。

名称｜佛系的FPGAer