En raison des contraintes de puissance de calcul et des ressources de stockage de la plateforme matérielle, la mise en œuvre d'un réseau de neurones convolutifs (CNN) économe en énergie et efficace utilisant des systèmes embarqués reste un défi majeur pour les concepteurs matériels. Sur cette base, cet article propose une conception complète d'un système embarqué hétérogène utilisant un système sur puce (SoC) programmable sur le terrain. La conception adopte une structure de multiplexage d'entrée en cascade, tout en exécutant deux opérations de multiplication et accumulation indépendantes dans un seul DSP, réduisant l'accès à la mémoire externe, améliorant l'efficacité du système et réduisant la consommation d'énergie. Par rapport à d'autres solutions, l'efficacité énergétique est améliorée de plus de 38,7 %. La conception (cadre) a été déployée avec succès sur des réseaux CNN de grande échelle sur des dispositifs à faible coût, augmentant considérablement l'efficacité énergétique des modèles réseau. L'efficacité énergétique réalisée sur le dispositif ZYNQ XC7Z045 atteint même 102 Gops/W. En outre, lors de l'inférence de la couche convolutionnelle du modèle VGG-16 en utilisant ce cadre, la fréquence d'images atteint 10,9 fps, démontrant clairement que cette conception peut accélérer efficacement l'inférence des CNN dans des environnements à puissance limitée.

accélération matérielle; réseau neuronal convolutif; FPGA; SoC hétérogène