业务和功能介绍
在这个项目中，我们三人一组，主要实现的功能是利用Vivado软件操作平台在ZedBoard-zynq-7000c484开发板平台上实现卷积神经网络算法优化的目标。
通过上述优化，在相同硬件资源条件下，最终实现的运算速度比传统计算快183倍，比硬件优化方法快20%。这个项目获得了全国集成电路创新创业大赛二等奖。
我们的总体设计方法是这样的，首先在 C++平台上实现卷积核算法和反卷积算法，然后通过 vivado HLS 仿真进行总线带宽、pipeline、内部缓存、计算单元等方面硬件的优化，仿真波形和实际相符后，生成相应的 IP 核，vivado 导入 IP 核和 zynq7000 进行实物仿真，经过验证正确后烧入 fpga。图像从电脑端通过串口输入开发板，由于片内缓存不足以一次性存储1024个channel的150*150的图像，所以采用动态缓存的办法，Zynq 边对图像进行卷积处理，边从特征 cache 读取图像数据，一个 channel 处理完成后立即输出至 SDSDRAM（输出数据量较小），并空出相应的缓存资源供后续 channel的图像使用。我们将开发板的 8 个 LED 设置为输出结果，板上运行时，可通过 LED判断输出波形。
通过上述优化，在相同硬件资源条件下，最终实现的运算速度比传统计算快183倍，比硬件优化方法快20%。这个项目获得了全国集成电路创新创业大赛二等奖。
我们的总体设计方法是这样的，首先在 C++平台上实现卷积核算法和反卷积算法，然后通过 vivado HLS 仿真进行总线带宽、pipeline、内部缓存、计算单元等方面硬件的优化，仿真波形和实际相符后，生成相应的 IP 核，vivado 导入 IP 核和 zynq7000 进行实物仿真，经过验证正确后烧入 fpga。图像从电脑端通过串口输入开发板，由于片内缓存不足以一次性存储1024个channel的150*150的图像，所以采用动态缓存的办法，Zynq 边对图像进行卷积处理，边从特征 cache 读取图像数据，一个 channel 处理完成后立即输出至 SDSDRAM（输出数据量较小），并空出相应的缓存资源供后续 channel的图像使用。我们将开发板的 8 个 LED 设置为输出结果，板上运行时，可通过 LED判断输出波形。
项目实现
Vivado HLS 开创了一种全新理念，那就是用户可以通过 C/C++代码即可直接生成硬件执行文件，这使得很多用户不需要掌握特别深入的硬件知识也可进行硬件开发，降低了硬件开发的瓶颈，同时使得开发者把精力集中在优化算法和数据结构上，节省了大量时间。同时 vivado HLS 可以智能地进行内部资源分配，实现硬件优化。
遇到的问题：
传统的卷积神经网络计算电路存在一系列问题。第一，传统方法未考虑大量的0，导致算法低效、硬件利用效率低；第二，硬件计算单元任务量各异，不同单元间存在“等待”，时间冗余；第三，反卷积网络稀疏率极高，未避免计算资源浪费。
针对上面这几点问题，我们进行了相应的优化。
第一，稀疏矩阵处理：对稀疏矩阵采用稀疏处理，跳过含0项的计算，可以大大减少程序的运行时间，且稀疏率越大，效果越显著。
第二，负载均衡：对稀疏不均矩阵采用负载均衡处理，在并行的前提下可以提高运行速度，且不均匀程度越大，提高程度越大。
第三，并行计算：构建卷积核内并行计算机制，大大提高计算速度。在算法级，采用unroll实现。
第四，数据复用：卷积的过程对输入数据的采集存在重复的情况，引入数据复用机制，可以节省读取输入数据的时间。
第五，反卷积运算：反卷积稀疏率更大，因此优化效果更好。
遇到的问题：
传统的卷积神经网络计算电路存在一系列问题。第一，传统方法未考虑大量的0，导致算法低效、硬件利用效率低；第二，硬件计算单元任务量各异，不同单元间存在“等待”，时间冗余；第三，反卷积网络稀疏率极高，未避免计算资源浪费。
针对上面这几点问题，我们进行了相应的优化。
第一，稀疏矩阵处理：对稀疏矩阵采用稀疏处理，跳过含0项的计算，可以大大减少程序的运行时间，且稀疏率越大，效果越显著。
第二，负载均衡：对稀疏不均矩阵采用负载均衡处理，在并行的前提下可以提高运行速度，且不均匀程度越大，提高程度越大。
第三，并行计算：构建卷积核内并行计算机制，大大提高计算速度。在算法级，采用unroll实现。
第四，数据复用：卷积的过程对输入数据的采集存在重复的情况，引入数据复用机制，可以节省读取输入数据的时间。
第五，反卷积运算：反卷积稀疏率更大，因此优化效果更好。
示例图片视频
相似推荐
医院DIP2.0按病种分值付费分组匹配系统
立项背景：为响应国家医保局DIP（按病种分值付费）支付方式改革，医院需对住院病例进行自动分组与分值测算，替代人工查表，提升医保结算准确率与效率。
核心功能：
1. 编码标准化：对诊断编码（ICD-10）和手术操作编码（ICD-9-CM3）进行自动补零、格式校验，统一为国临版与医保版2.0标准格式；
2. 编码对照映射：通过诊断对照库、手术对照库，将国临版编码自动映射为医保版2.0编码，支持23个手术操作字段批量对照；
3. DIP智能分组引擎：基于主诊断+主操作组合，实现+组合匹配、/或规则匹配、单码精准匹配、规则组匹配、编码范围匹配、s(n)/a(n)四级兜底等多层匹配策略，自动输出DIP病种ID；
4. 最优候选选择：当多个病种同时命中时，按匹配编码数量、是否包含主操作、操作位置优先级自动选优；
5. 分值计算：关联分值总表，自动计算每个病例的DIP病种分值，输出完整匹配结果表。
业务流程：原始住院病例数据 → 诊断/手术编码补零标准化 → 国临版转医保版对照 → DIP分组引擎多层匹配 → 最优病种选择 → 分值关联 → 输出结算结果。
医院运营智能体
医院智能应用中心围绕医院数据智能分析，覆盖问数、报表、监测与对账，主要功能如下。
一、智能问数与问答。问数以自然语言查询财务数据，解析时间、科目、表名、同比环比和图表，缺期间则追问，多轮可继承上下文，结果可出表出图。问答面向制度政策与知识库，流式作答并引用附件，支持会话与多模型。
二、报表与报告。固定报表按技能生成医疗收入支出、药品收入、盈余、均费及卫健申报、医改考核等标准表，可预览导出Excel。动态报表支持模板导入、AI辅助取数、预览与固化。智能报告一次生成经济运行分析表1至12，金额按万元换算，可导出Word、PDF。
三、监测、对账与看板。监测按期间计算指标并阈值着色，支持指标定义、补缺和指标集。财库对账上传银行、国库文件跑批，查看差异并导出，可同步供应商、燃气数据。首页与看板展示KPI、收支趋势和科目排名。
四、数据与报表管理。数据源支持明细导入、月度汇总、列定义、手工录入和指标维护；报表中心浏览已导入Excel；成本中心导入科室成本四表后开展成本分析。
五、系统与AI管理。提供用户角色权限、字典与公告，以及在线用户、日志、缓存和定时任务。AI管理负责大模型接入、技能包、提示词和用量统计。
脑电信号处理与大模型协同推理平台-NeuroDecode
面向脑机接口研究与演示场景的信号处理+大模型集成平台，打通"生理信号采集→意图识别→AI生成→实时可视化"完整闭环。
核心功能：①多设备脑电信号实时采集与预处理；②基于深度学习的意图分类模型；③可插拔多后端大模型集成，本地/云端LLM一键切换；④Web实时监控面板，多客户端同时查看信号流与推理结果。适用于科研原型、教学演示与智能硬件联动开发。
智能穿戴APP-GsFit
面向国内外市场的智能手表/手环配套Android 应用，涵盖设备连接、健康数据监测、运动记录、表盘市场、固件OTA、WiFi 音箱控制、即时通讯等核心功能，支持20+语言国际化, 海量健康数据管理：基于 Room+LiveData 存储步数、心率、血氧、HRV、睡眠等时序数据，自定义图表组件实现日/周/月多维统计展示.
美容预约小程序
1.立项为解决美容医疗门店的获客和售前，售后沟通。帮助建立会员，及实现统一管理，使得客户获得良好的体验。
2.第一，是注册登录功能模块，第二，美容项目的介绍及场景展示；第三，具体项目的内容，价格及项目预约。这是主要的三个模块。还可增加在线付费等功能。
3.业务流程。注册，登录——项目展示——具体项目选择(可以看到具体项目描述，图片，价格）——预约时间确定——查看预约清单
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服