适用FPGA的小型神经网络（一）

LeNet

LeNet主要用来进行手写字符的识别与分类，其确立了CNN的结构，现在神经网络中的许多内容在LeNet的网络结构中都能看到：

C1，卷积层 S2，池化层 C3，卷积层 S4，池化层 C5，卷积层 F6，全连接层 OUTPUT，全连接层

《基于MATLAB与FPGA的图像处理教程》LeNet5

https://gitee.com/crazybingo/Book_VIP/tree/master/2_FPGA_Sim/8.2_LeNet5

这是《基于MATLAB与FPGA的图像处理教程》中一个例程，经过MATLAB仿真与FPGA实现，在相关开发板上验证通过。

DigitalRecognition-基于LeNet-5

https://github.com/suisuisi/FPGAandCNN/tree/main/DigitalRecognition

神经网络在浅色背景上检测深色数字的项目，详细的设计和视频演示，大家看README即可。

AlexNet

AlexNet是2012年ImageNet竞赛的冠军模型，其作者是神经网络领域三巨头之一的Hinton和他的学生Alex Krizhevsky（参考：https://blog.csdn.net/sinat_39620217/article/details/131083754）。

AlexNet与此前的LeNet相比，具有更深的网络结构，包含5层卷积和3层全连接，对比LeNet如下所示。

alexnet-FPGA and GPU

对 FPGA 和 GPU 上的AlexNet CNN 执行时间的基准测试。

https://github.com/pratikpv/alexnet

该项目除了学习神经网络知识外，也在Xilinx FPGA上运行OpenCL给了详细的参考示例，链接如下：

https://gitlab.com/Tango-DNNbench/Tango/tree/master/FPGA

CNN_OPEN & DNN_PUF_FPGA

利用SystemVerilog生成Lenet模型，并在FPGA上进行综合和实现。

https://github.com/renaturation/DNN_PUF_FPGA

该项目是个研究类项目，适合学习和练手。

总结

在FPGA运行神经网络在前几年是个很火的方向，最近一些敏捷开发像OpenCL、HLS等已经冲淡了不少热度，用纯HDL开发相关项目出现的越来越少了。但是今天这些小型神经网络项目适合入门相关行业，适合理解相关知识点。每个项目中有很多很多相关的例程，今天只是介绍一些个人认为比较经典的项目。