1-02　本企画のロードマップ 　本企画では図1-05のようにディープラーニングのハードウエア化を進めます。一番上の�@からスタート、一番下の�Dがゴールです。 �@Python（小数）で画像認識（10,000枚） 　まずはPythonで書かれたプログラムを普通に実行します。 　10,000枚のテスト画像(x)で推論を行い、正解率（Accuracy）を確認します。 �APython（整数）で画像認識（10,000枚） 　パソコンで計算するぶんには小数でよいのですが、FPGAでは小数の演算は行えません（＊１）。したがってPythonの段階から整数化して実行します。 　10,000枚のテスト画像(x)で推論を行います。整数化によって正解率は低下しますが、それが許容範囲か確認します。 　テスト画像1枚分のデータ、重みの行列（W）、バイアスの配列（b）をファイルに落とします。これらはすべて整数になっています。 　必要に応じて計算の途中経過もファイルに落とします。 （＊１）FPU（Floating Point Unit）を内蔵していれば行えるが、そのようなFPGAは少数派である zu1-05 �BEXCELで画像認識（1枚） 　�Aで得られたテスト画像(x)一枚分のデータ、重みの行列（W）、バイアスの配列（b）をEXCELに貼り付けます（値はすべて整数）。 　Pythonでの処理をEXCELに移植して推論を行います。 　推論の結果をPythonのものと比較します。すべて整数なので演算結果、途中経過ともにピタリ一致します。 �CVHDLで記述して論理シミュレーション 　�Aで得られたテスト画像(x)一枚分のデータ、重みの行列（W）、バイアスの配列（b）をVHDLに貼り付けます（値はすべて整数）。 　EXCELでの処理をVHDLに移植して推論を行います（論理シミュレータ上で）。 　推論の結果をEXCELのものと比較します。すべて整数なので演算結果、途中経過ともにピタリ一致します。 �DFPGAに実装して画像認識 　�Cで作成したVHDLを論理合成してFPGAにプログラミングします。 　シミュレーションどおりに実機動作するか確認します。 ●Pythonの環境のない人は�BのEXCELからスタート 　Pythonの実行環境がある人は�BのEXCELを飛ばして�Aから�Cに進んでも構いません。Pythonの環境のない人は�BのEXCELからスタートしましょう。 目次へ戻る