文章详情

摘要

近年来，随着人工智能的飞速发展，计算数据/参数逐年呈现指数级增长，支持高效计算的硬件设计成为新趋势。由于计算功耗低，FPGA成为加速人工智能计算的有效方案之一。人工智能模型中通常含有大量的乘累加运算（Multiply Accumulate, MAC）。文章基于FPGA设计了支持乘累加计算的实验案例。该教学案例有助于学生掌握神经网络中乘累加运算的设计方法，还能启发思维，提高学生在FPGA人工智能加速器设计方面的能力，为其进一步成长为学习型人才打下良好的专业基础和实践基础。

关键词

仿真教学；实验设计；乘累加运算

参考文献

1. [1] 王志丰，杨小玉，邬正阳.面向工业4.0的智能制造工程人才培养 [J].高教发展与评估，2024，40（5）：105-118+124.
2. [2] “新工科”建设复旦共识 [J].复旦教育论坛，2017，15（2）：27-28.
3. [3] WU J Y，WANG Y J，WANG P X，et al. A STT-Assisted SOT MRAM-Based In-memory Booth Multiplier for Neural Network Applications [J].IEEE Transactions on Nanotechnology，2024，23：29-34.
4. [4] HIROMITSU A，MASANORI H. B2N2: Resource Efficient Bayesian Neural Network Accelerator Using Bernoulli Sampler on FPGA [J].Integration，2023，89：1-8.
5. [5] KIM S，JANG B，LEE J，et al. A CNN Inference Accelerator on FPGA With Compression and Layer-chaining Techniques for Style Transfer Applications [J].IEEE Transactions on Circuits and Systems I: Regular Papers，2023，70（4）：1591-1604.
6. [6] ALAWAD M，LIN M J. Scalable FPGA Accelerator for Deep Convolutional Neural Networks with Stochastic Streaming [J].IEEE Transactions on Multi-Scale Computing Systems，2018，4（4）：888-899.
7. [7] 刘强.核心素养导向的FPGA创新课堂建设 [J].电气电子教学学报，2023，45（6）：29-32.
8. [8] 李铭，杨明昕，穆鹏程，等.国产FPGA上通信基带发端算法设计和系统实现 [J].实验技术与管理，2024，41（2）：135-145.
9. [9] 于秀丽，魏世民，白宇轩.新工科背景下基于FPGA课程群的实践教学研究 [J].实验技术与管理，2020，37（8）：178-181.
10. [10] COX D D，DEAN T. Neural Networks and Neuroscience-inspired Computer Vision [J].Current Biology，2014，24（18）：921-929.
11. [11] KRIEGESKORTE N，DOUGLAS P K. Cognitive Computational Neuroscience [J].Nature Neuroscience，2018（21）：1148-1160.
12. [12] TIWARI V，KHARE N. Hardware Implementation of Neural Network with Sigmoidal Activation Functions Using CORDIC [J].Microprocessors and Microsystems，2015，39（6）：373-381.
13. [13] PARAB J S，GAD R S，NAIK G M. Getting Hands on Altera Quartus II Software [M].Cham：Springer Nature，2018.
14. [14] ALBATOOSH A H，SHUJA'A M I，AL-NEDAWE B M. A VHDL Code for Offset Pulse Position Modulation Working with Reed Solomon System by Using ModelSim [J].Journal of Techniques，2022，4（4）：50-60.
15. [15] 陈艳，刘俊文，古国龙，等.基于Quartus Ⅱ与Modelsim的加减复用电路实验教学设计 [J].现代信息科技，2023，7（13）：181-188.

基金项目

高等教育教学质量与教学改革项目（2023jxgg20、2020jxgg10）；大学生创新创业训练计划项目（202314278073）

作者简介

陈艳（1991—），女，汉族，湖南常德人，讲师，博士，研究方向：面向人工智能的高性能计算；庄冰妮（2004—），女，汉族，广东揭阳人，本科在读，研究方向：电子信息工程；樊亚妮（1975—），女，汉族，陕西延川人，讲师，硕士，研究方向：教学方法与策略；杨飒（1970—），女，汉族，湖南湘潭人，教授，硕士，研究方向：信息处理与电路设计。