1746-IA4
CNN受神经科学研究的启发，经过长达20多年的演变，CNN在计算机视觉、AI（【11】【9】）领域越来越突出。作为一种经典有监督学习算法，CNN使用前馈处理用于识别，反馈用于训练。在工业实践中，很多应用设计者离线训练CNN，然后用训练好的CNN实现实时任务。因此，前馈计算速度是比较重要的。本文关注用基于FPGA的加速器设计前馈计算加速。
一个典型CNN由两部分组成：特征提取器 + 分类器。
特征提取器用于过滤输入图像，产生表示图像不同特征的特征图。这些特征可能包括拐角，线，圆弧等，对位置和形变不敏感。特征提取器的输出是包含这些特征的低维向量。
该向量送入分类器（通常基于传统的人工神经网络）分类器的目的是决定输入属于某个类别的可能性。
一个典型CNN包括多个计算层，例如，特征提取器可能包括几个卷积层和可选的下采样层。图1展示了卷积层的计算。
1746-IA4 · 成就客户—我们致力于每位客户的满意和成功。
· 创业创新—我们追求对客户和公司都至关重要的创新，同时快速而高效地推动其实现。
· 诚信正直—我们秉持信任、诚实和富有责任感，无论是对内部还是外部。
· 多元共赢—我们倡导互相理解，珍视多元性，以视野看待我们的文化。
--------------------
联系人：欧工
手机：18030229050
电话：0592-5709821
QQ 3151326358
邮箱 3151326358@qq.com
1746-IA4
6ES7 222-1BF22-0xA8 EM222 8出 24VDC，开关量
6ES7 222-1EF22-0xA0 EM222 8出 120V/230VAC，0.5A 开关量
6ES7 222-1HF22-0xA8 EM222 8出 继电器
6ES7 222-1BD22-0xA0 EM222 4出 24VDC 固态－MOSFET
6ES7 222-1HD22-0xA0 EM222 4出 继电器 干触点
6ES7 223-1BF22-0xA8 EM223 4入/4出 24VDC，开关量
6ES7 223-1HF22-0xA8 EM223 4入 24VDC/4出 继电器
6ES7 223-1BH22-0xA8 EM223 8入/8出 24VDC，开关量
6ES7 223-1PH22-0xA8 EM223 8入 24VDC/8出 继电器
6ES7 223-1BL22-0xA8 EM223 16入/16出 24VDC，开关量
6ES7 223-1PL22-0xA8 EM223 16入 24VDC/16出 继电器
6ES7 223-1BM22-0xA8 EM223 32入/32出 24VDC，开关量
6ES7 223-1PM22-0xA8 EM223 32入 24VDC/32出 继电器
6ES7 231-0HC22-0xA8 EM231 4入*12位精度，模拟量
6ES7 231-7PB22-0xA8 EM231 2入*热电阻，模拟量
6ES7 231-7PD22-0xA8 EM231 4入*热电偶，模拟量
6ES7 232-0HB22-0xA8 EM232 2出*12位精度，模拟量
6ES7 235-0KD22-0xA8 EM235 4入/1出*12位精度，模拟量
6ES7 277-0AA22-0xA0 EM277 PROFIBUS-DP接口模块
6GK7 243-2AX01-0xA0 CP243-2 AS-i接口模块
6ES7 253-1AA22-0xA0 EM253 位控模块
6ES7 241-1AA22-0xA0 EM241 调制解调器模块
6GK7 243-1EX00-0xE0 CP243-1 工业以太网模块
6GK7 243-1GX00-0xE0 CP243-1IT 工业以太网模块
附件
6ES7 291-8GF23-0xA0 MC291,新CPU22x存储器盒,64K
6ES7 297-1AA23-0xA0 CC292,CPU22x时钟/日期电池盒
6ES7 291-8BA20-0xA0 BC293,CPU22x电池盒
6ES7 290-6AA20-0xA0 扩展电缆,I/O扩展,0.8米,CPU22x/EM