黃文吉Hwang, Wen-Jyi鄭博升Cheng, Po-Sheng2023-12-082022-08-252023-12-082022https://etds.lib.ntnu.edu.tw/thesis/detail/a01353af0276fa394bea34408b3a7778/http://rportal.lib.ntnu.edu.tw/handle/20.500.12235/121576隨著電腦計算能力的提升，人工智慧得以受惠於大量的卷積計算來取得資料的特徵，使電腦可以幫我們處理各種複雜的任務。在提升卷積計算的速度的研究中，以矩陣乘法來實作卷積計算是常見的一種方式。本論文針對一維的卷積計算，提出一種矩陣排列的方式，將一維卷積計算得以用矩陣乘法來達成，並且進一步的使用通用型硬體加速器，來大幅提升矩陣乘法的計算效能。將本論文的方法應用於神經網路模型，並佈署在FPGA開發版上，經過實驗的驗證，我們可以精準的產出計算結果，並且加速整體神經網路模型的計算效能。none矩陣乘法卷積計算類神經網路硬體加速器量化FPGAQuantizationSystolic ArrayWeight Stationaryetd