Advertisement

基于Verilog的卷积神经网络硬件实现_代码下载

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
本资源提供基于Verilog语言的卷积神经网络(CNN)硬件设计代码，适用于深度学习加速器和ASIC开发。 硬件实现的卷积神经网络（Verilog）：Verilog占81.6%，Objective-C占9.0%，Python占5.0%。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 基于Verilog的卷积神经网络硬件实现_代码下载
    优质
    本资源提供基于Verilog语言的卷积神经网络(CNN)硬件设计代码，适用于深度学习加速器和ASIC开发。 硬件实现的卷积神经网络（Verilog）：Verilog占81.6%，Objective-C占9.0%，Python占5.0%。
     
  • 基于硬件加速的卷积神经网络代码.rar
    优质
    本资源为基于硬件加速技术优化的卷积神经网络(CNN)代码包。适用于深度学习项目中对计算性能有高要求的应用场景。 硬件加速卷积神经网络代码HLS 完整注释：这段文字描述的内容是关于如何为卷积神经网络编写完整注释的指南，这些注释针对的是使用HLS（High-Level Synthesis）进行硬件加速的应用场景。通过详细的注释可以帮助开发者更好地理解代码的功能、结构以及优化方法，从而更有效地利用硬件资源来提升计算性能和效率。
     
  • Matlab中的卷积神经网络代码下载
    优质
    本资源提供了在MATLAB环境中实现卷积神经网络（CNN）的完整代码，适用于图像处理和模式识别任务，便于研究者和开发者快速上手与应用。 卷积神经网络的MATLAB代码可以直接运行。
     
  • Matlab中的卷积神经网络代码下载
    优质
    这段简介可以描述为：“Matlab中的卷积神经网络代码下载”提供了一系列用于构建和训练CNN模型的预编译Matlab脚本与函数。适合进行图像识别、分类等深度学习任务，便于科研人员及工程师使用。 卷积神经网络的MATLAB代码，可以直接运行的卷积神经网络MATLAB代码。
     
  • 基于Matlab的卷积神经网络实现与代码
    优质
    本项目利用MATLAB开发了卷积神经网络（CNN）模型，并提供了详细的代码和注释，适用于图像识别任务。 CNN卷积神经网络的Matlab实现例程使用了matlab R2019a自带的深度学习工具箱。
     
  • 基于MATLAB的卷积神经网络实现
    优质
    本项目利用MATLAB平台开发并实现了卷积神经网络(CNN)的应用，旨在探索CNN在图像识别和分类任务中的效能。通过实验验证了不同架构参数对模型性能的影响，并提供了优化建议。 卷积神经网络（CNN）的MATLAB程序包含14个M文件。
     
  • 基于C++的卷积神经网络实现
    优质
    本项目旨在利用C++语言实现卷积神经网络(CNN)的核心算法和功能，探索其在图像识别等领域的应用潜力。通过深入研究CNN架构与优化技术，力求提升模型训练效率及性能表现。 卷积神经网络的C++实现附带详细的文档资源。架构良好，并包含注释，在手写数据集上的最小测试识别率为0.98。