2026年FPGA大赛做实时人脸识别，用国产高云FPGA部署MobileNet时BRAM不够，怎么通过模型剪枝和量化优化？

8小时前

我们团队正在备赛2026年FPGA大赛，选了高云FPGA做实时人脸识别，部署MobileNet模型时BRAM就剩20%了，DSP也快满了。试了INT8量化，精度从92%掉到85%，但BRAM还是差一点。有没有具体的模型剪枝策略，比如按通道剪或者层融合，能硬挤出来资源？另外量化后精度怎么恢复，用校准集做后训练量化够不够？求实操步骤，最好能给出在国产FPGA上的具体实现方案。

逻辑电路萌新

这家伙真懒，几个字都不愿写！

5641K

2026年，专科生自学FPGA两年，能拿到月薪15k的offer吗？真实就业城市和公司有哪些？上一篇

2026年，FPGA工程师做实时语音降噪，BRAM不够用，用分布式RAM替代行缓存靠谱吗？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