基于人工智能的数据智能模型训练与硬件加速方法及系统

本发明涉及人工智能领域，具体公开了一种基于人工智能的数据智能模型训练与硬件加速方法，包括：设置原始深度卷积神经网络模型DNN的网络结构；经过首次训练得到卷积神经网络模型；进而进行阶段和类别划分，从而得到块；计算每一个块中各个类别卷积层的滤波器滤波通道大小及剪枝权重；使用剪枝后的智能模型执行推理任务；根据任务类型选择对应的激活函数；并进行量化和知识蒸馏；设计通用硬件加速器，将优化后的深度卷积神经网络模型DNN部署在FPGA中。本发明通过深度卷积神经网络模型DNN的网络结构的构建，设计多种激活函数通用硬件架构，使其在更轻量化的同时，在提高卷积神经网络的表达能力的同时，能够准确提高智能化水平。