Amaliy mashg’ulot №8. Vlsi fpga uchun matlab yordamida sun'iy neyron tarmoqlarni loyihalash Ishning maqsadi

8.4. Neyron tarmoq’ini arxitekturasi
. 
Birinchi 
bosqichda, 
Modelga 
yo’naltirilgan 
loyihalash 
kontseptsiyasiga muvofiq tarmoq arxitekturasi yoki algoritm modelini 
ishlab chiqish uchun har bir raqam uchun 28 × 28 pikselli 1000 ta tasvirni 
o'z ichiga olgan tasvirlar to'plamidan foydalanish maqsadga muvofiq 
bo’ladi. Masalan, har bir raqam uchun 750 ta tasvirni o'rgatish, qolgan 
ma'lumotlarda esa tarmoqning to'g'riligini tekshirishga ishlatish mumkin. 
Masalan, dastlab tarmoqda 15 qatlam va tuzilish 8.12-rasmda 
ko'rsatilgan va bu tarmoq arxitekturasi tasvirlarning sinovlar to'plamida 
99,8% aniqligini ko'rsatdi. 
8.12-rasm. Boshlangich neyron tarmog'idagi qatlamlar tuzilishi. 
MATLAB Deep Learning Toolbox kutubxonasi funktsiyalari 
neyron tarmoqni yaratish va o'qitish uchun ishlatilishi mumkin. Keyingi 
harakatlar tarmoqning arxitekturasini optimallashtirishga yo'naltirilgan 
bo'lishi kerak, bu esa tarmoqning hisoblash murakkabligini kamaytirish 
(bir tasvirni tasniflash uchun matematik operatsiyalar soni), bashoratli 
aniqlikni ozgina yo'qotishi bilan uning ish faoliyatini oshiradi. 

---

keyinchalik 
FPGA 
-dagi 
resurslarni 
tejash 
(kerakli 
apparat 
ko'paytiruvchilar sonini kamaytirish va tarmoq koeffitsientlarini 
(og'irliklarini) saqlash uchun xotirani kamaytirish). 
Optimallashtirish jarayonida keyin NT arxitekturasi 98,8% 
aniqlikdagi 7 qatlamdan iborat bo'ladi (8.13 -rasm). 
8.13-rasm. Optimallashtirilgan NT qatlamlari tuzilishi. 
Shunday qilib, birinchi bosqichda NT arxitekturasini soddalashtirib 
qatlamlari kamroq bo'lgan tarmoq yaratiladi. Qatlamlar soni ikki 
baravarga (15 tadan 7 tagacha) qisqargan, shu bilan birga tanib olish 
aniqligi atigi 1% ga (99,8% dan 98,8% gacha) kamaygan. Natijada 
qo’yilga maqsad, yaniy tarmoqni apparat platformasida (VLSI FPGA -da) 
amalga oshirish va ishlatiladigan resurslarni kamaytirish imkoniyatini 
yaratildi.