1. 研究目的与意义（文献综述）

自动驾驶技术是汽车产业与人工智能、物联网、高性能计算等新一代信息技术深度融合的产物，是现如今全球汽车行业和交通出行领域智能化和网联发展的重要方向，已成为各国争抢的战略制高点。

随着人工智能、大数据的等概念的兴起，异构计算已经是半导体行业、it行业的热门词汇。进入到自动驾驶领域更是如此，由于处理的样本数据过于庞大，同时自动驾驶技术对系统的实时性要求非常高，该技术对计算机的计算能力提出了更高的要求。在过去，随着半导体技术的进步和频率的提升，绝大多数计算机并不需要结构性的变化或者特定的硬件加速即可不断提升性能。但现如今经常会碰到内存、功耗等方面的限制，导致计算能力的瓶颈，于是引入特定的单元让计算系统变成混合结构，让每一种不同类型的计算单元都可以执行自己最擅长的任务，以此来提高计算能力。

同时现如今人工智能取得如此巨大的突破离不开不开深度学习网络的告诉发展。深度学习如今在多个领域取得了突破性的成绩，比如语音识别、图像识别等领域。到目前为止，最智能的机器学习方法就是深度学习，其研究意义和商业价值巨大，而cnn是深度学习中的一个常用模型，值得研究。

2. 研究的基本内容与方案

研究的基本内容：

对目前几种比较经典的cnn模型进行学习与研究，如lenet，alexnet，goolenet等经典模型。了解各种计算模型的特点及优缺点，例如alexnet一类的模型没有过多的考虑太多的权重参数的问题，同时由于网络层次逐渐加深，计算所需的参数就越来越多，硬件开始限制了深度网络的发展。于是硬件技术的提高与发展便迫在眉睫了。

对于异构计算技术，我们主要了解几种常见的异构计算模型，如cpu gpu异构体系 ，cpu fpga异构模型，基于dsp的计算模型等。同时在此基础之上研究者还要对工业界的各种异构计算方案进行调研，了解异构计算在各大行业的发展情况（不仅仅限于自动驾驶领域），比如百度无人车所使用的浪潮nf5568m4异构超算服务器采用的是多机多卡gpu集群技术，微软在深度学习方面采用的cpu集群技术等；同时考虑各种计算模型的硬件功耗性以及在自动驾驶领域的实用性等问题。

3. 研究计划与安排

1、（第1周） 方案构思、文献检索、完成开题报告

2、（8学期第2-3周） 外文翻译、资料再收集

3、（8学期第4-6周） 设计计算、草图绘制

4. 参考文献（12篇以上）

【1】陈晓博.发展自动驾驶汽车的挑战和前景展望[j].综合运输，2016（11）.

【2】胡雷钧,陈乃刚，李健，韩峰，赵雅倩. fpga异构计算平台及其应用[j]. 电力信息与通信技术.2016(07).

【3】陈波.基于cpu-gpu异构平台的性能优化及多核并行编程模型的研究[d].中国科学技术大学.2011