1.基于RISC‑V的卷积神经网络的文字识别方法,其特征在于:该方法具体包括以下步骤:步骤S1:搭建虚拟机ubuntu16.04+tensorflow‑cpu神经网络训练环境,设计一个基于mnist数据集的6层手写数字识别网络;
其中卷积神经网络的结构为:
输入特征 卷积核 输出特征
卷积层1 28×28×1 3×3×1×16 28×28×16池化层1 28×28×16 2×2 14×14×16卷积层2 14×14×16 3×3×16×32 14×14×32池化层2 14×14×32 2×2 7×7×32全连接层1 7×7×32 7×7×32×128 128全连接层2 128 128×10 10每个卷积层后面接一个激活函数SIGMOD;
步骤S2、输入图片,图片中文中黑底白字;
步骤S3、训练至设定的准确度,保存权重和偏置参数文件;
步骤S4、设定RISC‑V指令集的自定义指令类型和格式为I类基本指令格式,根据预留指令编码空间设计指令,添加一个sig指令,指令格式表示为sig r1,r2,表示sigmod函数的硬件实现,具体表现为:R[r1]=sigmod(r2);
步骤S5、根据步骤S4设定的指令格式,采用查找表的方式实现SIGMOD函数,设计具体的硬件加速电路;
步骤S6、在FPGA上面导入步骤S5的硬件加速电路和步骤S3得到的权重和偏置参数文件,搭建RISC‑V开发环境并完成自定义指令的添加;
步骤S7、输入图片,使用硬件加速电路对图片中的数字进行识别。