文武兼修ing——机器学习与IC设计

90 篇文章
31 人订阅

全部文章

月见樽

P2P接口Booth乘法器设计描述原理代码实现

592
月见樽

SSD目标检测系统系统结构网络训练

SSD识别系统也是一种单步物体识别系统,即将提取物体位置和判断物体类别融合在一起进行,其最主要的特点是识别器用于判断物体的特征不仅仅来自于神经网络的输出,还来自...

774
月见樽

AXI学习笔记-11.AXI总线结构2.AXI接口时序3.数据结构4.传输特性

握手信号包括VALID和READY信号,传输行为仅在VALID和READY同时有效时发生。其中:

793
月见樽

YOLO后处理理论分析代码分析

YOLO从v2版本开始重新启用anchor box,YOLOv2网络的网络输出为尺寸为[b,125,13,13]的tensor,要将这个Tensor变为最终的输...

1543
月见樽

神经网络压缩实验-Deep-compression实验准备剪枝实验量化实验

为了实现神经网络的deep compression,首先要训练一个深度神经网络,为了方便实现,这里实现一个两层卷积+两层MLP的神经网络

1742
月见樽

Deep-compression阅读笔记基本步骤相关分析总结

以上是Deep compression中所述的神经网络压缩方法,主要包括三个步骤:

862
月见樽

Faster-RCNN阅读笔记系统架构系统训练

Faster-RCNN是Fast-RCNN的后续版本,主要针对Fast-RCNN速度过慢进行优化。在Fast-RCNN中,速度的瓶颈主要是用于生成候选区域的Se...

942
月见樽

流水线式p2p接口的分析与实现

P2P接口是一种双向握手接口,传输的前级和后级各提供一个数据有效信号valid和忙信号busy信号,只有当两个信号达成某种指定情况时,握手完成,数据传输完成,否...

742
月见樽

P2P接口串行FIR设计

配置接口使用寄存器组实现,掉电丢失,因此每次使用之前需要进行配置FIR参数,配置接口时序如下所示:

904
月见樽

Fast-RCNN阅读笔记系统架构模型训练

由于RCNN存在流水线过长,检测速度慢的问题,Fast-RCNN几乎将整个过程置于深度学习的框架下,因此带来了准确率和速度的提升,该系统主要组成部分如上图所示,...

811
月见樽

RCNN学习笔记系统结构模型训练

RCNN使用Selective search算法代替滑动框,该算法可以提取类别无关的物品候选区域。该算法分为以下步骤:

642
月见樽

LBP特征物品识别系统系统结构代码实践

原始LBP特征是一个3X3区域的区域特征。考虑一个像素的特征值,该特征值与周围的8个像素(3X3区域)有关,对于像素值大于该像素的周围像素赋值1,其他赋值0,如...

621
月见樽

HoG特征SVM物品识别系统系统架构代码实践

该系统的最大贡献为提出基于梯度的HoG(locally normalized Histogram of Oriented Gradient)特征,该特征的计算流...

702
月见樽

DianNao系列加速器总结(2)——存储与映射存储映射方法

1405
月见樽

YOLO1学习笔记基本思路网络设计训练与预测

1274
月见樽

目标检测技术指标mAP:识别准确率IOU:检测效果

2235
月见樽

YOLOv2与YOLOv3学习笔记基本思路模型训练YOLOv3

1.9K5
月见樽

harr特征加级联分类器的目标检测系统1.识别系统架构2.训练方法3.加速方法4.代码实践参考文献

1223
月见樽

DianNao系列加速器总结(1)——架构与运算单元简介整体架构运算模块

36313
月见樽

流水线乘加树需求设计规划代码实现

需求 计算两个长度为2的幂次方的向量的对应位置相乘相加结果 输入为补码,输出为补码(支持负数) 输入位宽可配置,输入向量的宽度可配置,输出位宽由以上两项决定 设...

36711

扫码关注云+社区