Print indd

4
Architecture
We have implemented our design with support for pruned DNNs on Xilinx’s
Zynq-7000 All Programmable SoC platform [
27
] and using Xilinx Vivado HLS.
The flexible HLS approach allows us to quickly elaborate the best performing
architecture for a given neural network architecture. For example, the number
of processing units
m and the number of MAC units per unit r can be freely
configured during design time. Moreover, the size and format of the weights and
the kind of activation function can be easily exchanged. Furthermore, the design
time is drastically reduced and our approach is easily extensible to support new

---

A Flexible FPGA-Based Inference Architecture for Pruned DNNs
315
kinds of neurons, activation functions, or complete network architectures. An
visualization of the overall accelerator structure and all related Zynq peripherals
is shown in Fig.
1
.