今天我們分享幾個用FPGA實現的小型神經網絡，側重應用。

LeNet

LeNet主要用來進行手寫字符的識別與分類，其確立了CNN的結構，現在神經網絡中的許多內容在LeNet的網絡結構中都能看到：

C1，卷積層 S2，池化層 C3，卷積層 S4，池化層 C5，卷積層 F6，全連接層 OUTPUT，全連接層

這是《基于MATLAB與FPGA的圖像處理教程》中一個例程，經過MATLAB仿真與FPGA實現，在相關開發板上驗證通過。

DigitalRecognition-基于LeNet-5

神經網絡在淺色背景上檢測深色數字的項目，詳細的設計和視頻演示，大家看README即可。

AlexNet

AlexNet是2012年ImageNet競賽的冠軍模型，其作者是神經網絡領域三巨頭之一的Hinton和他的學生Alex Krizhevsky（參考：https://blog.csdn.net/sinat_39620217/article/details/131083754）。

AlexNet與此前的LeNet相比，具有更深的網絡結構，包含5層卷積和3層全連接，對比LeNet如下所示。

alexnet-FPGA and GPU

對 FPGA 和 GPU 上的AlexNet CNN 執行時間的基準測試。

該項目除了學習神經網絡知識外，也在Xilinx FPGA上運行OpenCL給了詳細的參考示例。

CNN_OPEN & DNN_PUF_FPGA

利用SystemVerilog生成Lenet模型，并在FPGA上進行綜合和實現。

該項目是個研究類項目，適合學習和練手。

總結

在FPGA運行神經網絡在前幾年是個很火的方向，最近一些敏捷開發像OpenCL、HLS等已經沖淡了不少熱度，用純HDL開發相關項目出現的越來越少了。但是今天這些小型神經網絡項目適合入門相關行業，適合理解相關知識點。每個項目中有很多很多相關的例程，今天只是介紹一些個人認為比較經典的項目。