2026年，FPGA大赛用高云GW5AST做实时AI语音识别，BRAM不够用怎么通过模型剪枝和量化解决？

10小时前

我们团队今年FPGA大赛选了高云GW5AST做实时语音识别，模型是轻量级CNN，但BRAM只有几百KB，跑量化后模型精度掉到82%了。试过通道剪枝和INT8量化，但资源还是差一点。求问有没有更有效的结构化剪枝策略，或者怎么通过算子融合和层间流水线设计把BRAM压下来？另外，高云的开发环境对模型部署支持怎么样，有没有现成的神经网络IP核可以用？

逻辑电路初学者

这家伙真懒，几个字都不愿写！

149171.91K

2026年FPGA大赛做实时目标检测，YOLOv8s在Zynq上部署时DSP资源不够用怎么办？有哪些模型剪枝和量化策略？上一篇

2026年，FPGA大赛做AI加速器方向，如何用Zynq实现轻量级YOLOv8n并优化PL端DSP和BRAM资源？下一篇

还没有人回答，第一个参与下？

我要回答

回答被采纳奖励100个积分

请先登录