近几年来，在边缘设备上运行AI算法模型的研究以及相关设计层出不穷。笔者的课题也与该方向有一定关联，因此写下此文记录并分享，方便以后回看。一般来说，实现AI模型的运行需要2个核心部件，即控制单元和计算单元。前者一般就是MCU或者状态机等等，后者一般是DPU, VPU, TPU等叫法不一v加速器，专业名词并不重要，但其实本质都是一个高通量的阵列计算单元，包含卷积、池化、element-wise、batch-norm等operation，并具备存储和数据交互的能力。简单来说，用户配置控制单元后，控制单元将要计算的数据、与计算相关配置参数从外部存储器件读入至计算单元中，该单元计算完数据以后再将结果写入到外部存储器。若算力不支持一次算完，则调度多次即可。近几年RISC-V发展火爆，因此，本文采用计划采用一个开源的RISC-V核作为控制单元，又由于笔者此前调试过蜂鸟E203，所以控制单元采用该核，该核的具体移植使用方法和环境配置请参考《一、RISC-V 蜂鸟E203 FPGA完全移植手册》。关于计算单元，本文将采用实验室产品，由笔者所在实验室开发的多精度（支持1bit，2bit，4bit，8bit的整型乘法）脉动阵列（32×32）AI加速器。本文仅大致介绍开发思路，无开发细节。（PS. 本工程不开源，不出售，maybe以后会有流片计划）。当然，为了让读者也能够部署类似的环境，笔者会分享一些开源的设计，有兴趣的读者可以魔改拼接实现。链接如下：
risc-v：
加速器：
该AI加速器采用HLS开发，用AXI bus控制，在Xilinx家的开发板上移植较便利。
加速器已验证过的模型：MNIST, VGG16和Resnet。
哎，唉v加速器，。真没意思。
If you like my channel，please toss the coin, hit like, and favorite it.
限 时 特 惠： 本站每日持续更新海量各大内部创业教程，加站长微信免费获取积分，会员只需38元，全站资源免费下载 点击查看详情
站 长 微 信： thumbxmw
