混合粒度CNN稀疏化方法及其在可重构架构上的高效部署
Hybrid-grainularity CNN sparsification with efficient deployment on reconfigurable architectures
1. 西安科技大学 a. 通信与信息工程学院; b. 人工智能与计算机学院; c. 电气与控制工程学院, 西安 710600
2. 西北大学 电子信息学院, 西安 710127
摘要
卷积神经网络(Convolutional Neural Network，CNN)在图像识别任务中表现出色，但其高计算量和存储开销限制了在端侧平台上的应用。可重构架构具备灵活高效的特点，为优化CNN的计算与访存提供了硬件基础。针对上述问题，研究提出一种面向可重构架构的混合粒度CNN稀疏化方法。首先基于特征图秩信息执行粗粒度滤波器稀疏化；其次对保留卷积核分组，并在组内统一裁剪相同位置的通道条纹以实现细粒度稀疏化；最后将并行策略应用于可重构硬件平台。在CIFAR-10数据集上以ResNet-56模型进行验证，结果表明该方法在仅损失0.18%分类精度的前提下，FLOPs减少46.8%，推理时延缩短至18.94ms，获得1.62×的加速比。同时实现94.5%的平均处理单元(Processing Element，PE)利用率，片外DRAM访存次数降低41.7%，有效提升可重构架构的计算与存储效率。
基金项目
新一代人工智能国家科技重大专项(2022ZD0119005)
陕西省自然科学基础研究计划(2025JC-YBMS-754,2024JC-YBMS-539)
出版信息
DOI: 10.19734/j.issn.1001-3695.2025.09.0425
出版期卷: 《计算机应用研究》 优先出版, 2026年第43卷 第6期
发布历史
[2026-02-25] 优先出版
引用本文
郝娟, 蒋林, 李远成, 等. 混合粒度CNN稀疏化方法及其在可重构架构上的高效部署 [J]. 计算机应用研究, 2026, 43 (6). (2026-02-25). https://doi.org/10.19734/j.issn.1001-3695.2025.09.0425. (Hao Juan, Jiang Lin, Li Yuancheng, et al. Hybrid-grainularity CNN sparsification with efficient deployment on reconfigurable architectures [J]. Application Research of Computers, 2026, 43 (6). (2026-02-25). https://doi.org/10.19734/j.issn.1001-3695.2025.09.0425. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
