更新说明

项目难度：⭐⭐⭐⭐⭐
项目推荐度：⭐⭐⭐⭐
项目推荐天数：21~35天

项目简介：

之前的付费项目收获了不少同学的好评，也帮助很多同学在24年的秋招中斩获了心仪的工作。本着不进则退的原则，将该CNN项目进行了补充，之前的项目偏向于FPGA Flow以及样机演示，本项目是将CNN硬件实现进一步拓展，重点在于ASIC FLow以及数字IC常用软件的熟练掌握，帮助进一步提升工作竞争力。

先前CNN加速器项目：数字IC实践项目（7）—CNN加速器的设计和实现（付费项目）

1. 本项目是使用Verilog完成一个LeNet-5 架构的卷积神经网络的设计及综合实现，采用90nm工艺完成Fullchip的综合。
2. 相较于数字IC实践项目（7），本项目采用全新的设计思路，对卷积、池化、激活函数等层级进行了重新设计，并补充了相关前仿tb，VCS和DC自动化脚本等。

主要更新点：

1. 将卷积模块展平，采用MAC基础单元结构，可快速完成参数化重构，提升代码移植效率；
2. 将8bit定点数格式更新为符合IEEE 754标准的浮点数格式，项目支持FP16和FP32，提升计算精度；
3. 移除最大池化模块，更改为平均池化，减少过拟合，使得输出特征图更加平滑，提升鲁棒性；
4. 激活函数方面，项目支持Relu，Softmax，tanh共计三种激活函数；
5. 实现平台切换到ASIC Flow，支持标准数字IC设计流程设计、验证以及综合实现。

注意事项：

1. 环境：建议采用搭载相关IC软件的物理机；若采用虚拟机平台，建议RAM >=16GB;
2. 价格：本项目是针对先前项目的补充，相关教学文档尚未齐全，目前会和数字IC实践项目（7）—CNN加速器的设计和实现（付费项目）一同提供，价格同之前保持不变，相当于加量不加价哈。若有特殊需求，也可单独提供本项目，价格会较低，但由于缺少相关教学文档，同学们要有相关基础准备哈。

项目整体框图

本项目由卷积，激活，池化以及全连接等若干层组成，共同构成完整网络结构。网络支持可重构，提供ANN和CNN两种基础结构，主要结构如下：

Full ANN

Full CNN

神经网络框图

神经网络架构是基于LeNet-5完成设计和实现：共包含两层卷积和两层最大池化以及最后一层全连接层。
1）模块参数化定义，支持可重构设计；
2）支持Relu，Tanh和Softmax激活函数；
3）采用平均池化策略；

File tree

提供包含，RTL设计文件，VCS前仿和报告文件及DC综合相关文件，以及相关EDA脚本。

项目简介和学习目的

软件环境要求

项目对于初学者要求较高，复现需要花费较长的时间，建议大家按需完成学习，循序渐进。可以从神经网络、CNN硬件加速器、RTL代码以及综合调试等方面进行展开，掌握每个模块的功能和相互连接，有条件的可以尝试购买相关的硬件FPGA板，结合先前的项目（7）完成原型样机的搭建。

软件和EDA环境：
（1）操作系统要求：Centos
（2）EDA 软件要求：Modelsim、VCS、DC等
（3）硬件要求：
1）建议配置：物理机 RAM >= 64Gb；
2）最低配置：虚拟机 RAM >= 10Gb; (拆分模块后估计可行）

项目学习目的：
（1）熟练掌握复杂项目的工程管理；
（2）熟悉 Verilog HDL仿真、综合工具以及了解数字IC设计工具及流程；
（3）学习CNN网络的基本结构和基础原理；
（4）学习CNN硬件加速器；
（5）熟练掌握Verilog语法和验证方法；

Area、QOR、Power&Timing报告

Area & QOR

Timing & Power

总结

整个项目涵盖了完整的卷积神经网络设计，CNN硬化加速器的Verilog实现和仿真和测试所需脚本和环境配置。需要搭建完整的软件和硬件环境，相对先前列出的开源和初级项目来说，整体难度偏高，适合缺少系统项目经验的求职者。

特地注明：

• 项目耗费较长的周期和个人精力，项目收费(性价比肯定是重要因素，毕竟都有过学生时代）。感兴趣的同学可以通过私信联系，我始终相信好的知识和项目肯定是收费的。
• 相较于先前的 数字IC实践项目（7）—CNN加速器的设计和实现（付费项目）；本项目重点在于补充CNN硬件加速器项目新的设计思路，更新的CNN设计RTL代码，以及提供ASIC Flow的相关软件的学习和实践。
• 作为项目7的后续补充，加量不加价！也支持单独购买，但缺少相关技术教学文档，建议有相关技术积累的同学购买。