一种基于高层次综合工具的深度学习模型优化方法及系统与流程

技术特征：
1.一种基于高层次综合工具的深度学习模型优化方法，其特征在于，包括以下步骤：根据目标功能设计深度学习模型；获取训练样本，输入所述深度学习模型进行训练，得到深度学习模型的参数权值；根据所述深度学习模型的参数权值，通过高层次语言表示所述深度学习模型；对所述深度学习模型中的各层循环体进行优化；通过高层次综合工具将经过优化的深度学习模型进行联合仿真。2.根据权利要求1所述的基于高层次综合工具的深度学习模型优化方法，其特征在于，对所述深度学习模型中的循环体进行优化时，对循环体采用循环分块、循环展开、循环流水技术中的一种或多种。3.根据权利要求1所述的基于高层次综合工具的深度学习模型优化方法，其特征在于，通过高层次综合工具将经过优化的深度学习模型进行联合仿真中，还包括以下步骤：通过高层次综合工具对所述的深度学习模型的循环体进行循环流水优化。4.根据权利要求3所述的基于高层次综合工具的深度学习模型优化方法，其特征在于，对所述深度学习模型的循环体进行循环流水优化的步骤包括：判断所述深度学习模型的循环体是否为嵌套循环，若是，则将所述嵌套循环中各层循环下的子循环完全展开后再对子循环进行流水线处理；若否，则仅对最内层循环进行流水线处理。5.根据权利要求1所述的基于高层次综合工具的深度学习模型优化方法，其特征在于，通过高层次综合工具将经过优化的深度学习模型进行联合仿真，还包括以下步骤：将经过训练的深度学习模型的参数权值配置在所述深度学习模型中，并将其前向传播的过程进行高层次综合设计。6.根据权利要求1～5任一项所述的基于高层次综合工具的深度学习模型优化方法，其特征在于，还包括以下步骤：将经过高层次综合工具进行联合仿真得到的深度学习模型的ip核烧录至fpga上，验证所述深度学习模型的功能准确性及优化效果。7.一种基于高层次综合工具的深度学习模型优化系统，其特征在于，包括：深度学习模型设计模块，用于根据目标功能设计深度学习模型；训练模块，用于将训练样本输入所述深度学习模型进行训练，得到深度学习模型的参数权值；高层次语言表示模块，用于根据所述深度学习模型的参数权值，通过高层次语言表示所述深度学习模型；优化模块，用于对所述深度学习模型中的各层循环体进行优化；高层次综合工具，用于将经过优化的深度学习模型进行联合仿真。8.根据权利要求7所述的基于高层次综合工具的深度学习模型优化系统，其特征在于，所述深度学习模型设计模块包括：卷积运算设计单元，用于设计及构建由输入层到卷积层的卷积运算；池化运算设计单元，用于设计及构建由卷积层到池化层的池化运算；全连接算法设计单元，用于设计及构建由池化层到输出层的全连接算法。9.根据权利要求7所述的基于高层次综合工具的深度学习模型优化系统，其特征在于，所述优化模块包括：循环分块单元，用于将循环体拆分为若干小循环体；
循环展开单元，用于将循环体中各层循环下的自循环完全展开；循环流水处理单元，用于对循环体进行流水线处理。10.根据权利要求7所述的基于高层次综合工具的深度学习模型优化系统，其特征在于，所述系统还包括fpga模块，用于烧录经所述高层次综合工具联合仿真得到的深度学习模型ip核，并验证所述深度学习模型的功能准确性及优化效果。

技术总结
本发明涉及深度学习技术领域，提出一种基于高层次综合工具的深度学习模型优化方法及系统，其中包括以下步骤：根据目标功能设计深度学习模型；获取训练样本，输入所述深度学习模型进行训练，得到深度学习模型的参数权值；根据所述深度学习模型的参数权值，通过高层次语言表示所述深度学习模型；对所述深度学习模型中的各层循环体进行优化；通过高层次综合工具将经过优化的深度学习模型进行联合仿真。本发明针对深度学习模型中的循环体进行循环展开以及流水线处理来缩短时延从而提升系统的吞吐量，从而降低深度学习模型的硬件功耗，且本发明中的深度学习模型经过高层次语言构建后，再通过高层次综合工具进行转换，能够有效缩短硬件设计的开发周期。缩短硬件设计的开发周期。缩短硬件设计的开发周期。


技术研发人员：陈弟虎 陈家荣 王自鑫 粟涛 胡炳翔 陈润明 黄俊龙
受保护的技术使用者：中山大学
技术研发日：2021.09.09
技术公布日：2021/12/12