Yapay sinir ağlarının otomatik olarak FPGA çipine uygulanması için denetleyici tasarım aracı

Abstract

Yapay Sinir Ağları (YSA)'lar insan beyninin ufak bir kopyası gibidirler ve çok değişik alanlarda etkili bir şekilde kullanılmaktadırlar. Yazılımsal olarak gerçeklenen YSA'ların istenen performansı vermediği durumlarda donanımsal YSA uygulamaları tercih edilmektedir. YSA'lar gerçek performanslarını ancak paralel çalışan mimariler üzerinde gösterebilen sistemlerdir. FPGA'lar (Field Programable Gate Array-Sahada Programlanabilir Kapı Dizileri) ise özellikle paralel işlem gerektiren uygulamalarda yaygın olarak kullanılan donanım elemanlarıdır. Bu durum YSA'ların FPGA çiplerine uygulanmasını kaçınılmaz kılmaktadır. Fakat YSA'ların FPGA çiplerine uygulanması uzun zaman alan ve uzman gereksinimine ihtiyaç duyan bir süreçtir. Ayrıca uygulama aşamasında oluşabilecek yazılımsal hatalar, hata düzenleme (debug) aşamasını gerektirmektedir. Bu çalışmada YSA'ların otomatik olarak FPGA çipine uygulanması için bir denetleyici tasarım aracı olan ANNCONT (Artificial Neural Network Controller) ve var olan YSA veri yolu ile birleştirerek YSA sistemini oluşturan ANNSYS (Artificial Neural Network System) geliştirilmiştir. Burada amaç; YSA'ların FPGA'lara uygulanmasını otomatikleştirerek tasarım ve uygulama süresini kısaltmak, debug aşamasını ve uzman gereksinimini ortadan kaldırmaktır. Geliştirdiğimiz tasarım aracı için iki adet örnek test durumu oluşturulmuştur. ANNCONT ve ANNSYS örnek test durumları üzerinde çalıştırılarak saniyeler içinde YSA sistemleri için VHDL (Very High Speed Integrated Circuit HDL (Hardware Description Language) (Çok Yüksek Hızlı Entegre Devre Donanım Tanımlama Dili)) kodu üretilmiştir. Otomatik olarak üretilen VHDL kodları Xilinx in ISE aracında denenerek ANNCONT ve ANNSYS'in etkinliği ve doğruluğu ispatlanmıştır.

Artificial Neural Networks (ANNs) are small copies of human brain and are used in several different areas efficiently. Hardware implementations of the ANNs are preferred when software implementations do not provide desired performance. ANNs can show their real performance on parallel hardware architectures and using FPGAs (Field Programable Gate Array) is a suitable implementation choice for parallel applications. As a result, FPGAs are good candidate for implementing ANNs hardware. On the other hand, implementing ANNs on FPGAs is time consuming process and requires expert personal. Moreover, debugging is required for the error happens during the implementations process. In this study, ANNCONT (Artificial Neural Network Controller), a controller design tool, and ANNSYS (Artificial Neural Network System), a top level ANN system design tool were developed for automatically mapping ANNs to FPGAs. The purpose of the study was to eliminate the debugging state of the design and implementation process and to eliminate the need for the expert personal and to shorten design and implementatıon time of ANNs on FPGAs by automating the whole mapping process. A couple of test cases were developed for testing ANNCONT and ANNSYS design tools. The tools were applied to the test cases and VHDL (Very High Speed Integrated Circuit HDL (Hardware Description Language)) codes were produced in seconds. The effectiveness and correctness of the tools were proved by synthesizing the automatically produced VHDL codes using through Xilinx?s ISE tool.