Deep Learning HDL Toolbox 深度學習-HDL設計工具箱

Key Features

在 FPGA 上進行深度學習推理，針對 FPGA 進行深度學習網路原型開發和實現以部署轉碼至邊緣裝置。
將您的深度學習網路編譯為一組可由深度學習處理器執行的指令。轉碼部署到 FPGA 並執行預測，同時擷取實際設備效能指標。
本工具箱預建適用於主流 FPGA 開發套件的位元流，您無需進行 FPGA 程式設計即可開發深度學習網路原型。
訓練網路後，通過深度學習處理器和乙太網或 JTAG 介面，使用 deploy 命令對 FPGA 進行程式設計。
將以 FPGA 為基礎的推理當作 MATLAB 應用程式的一部分執行
調整您的深度學習網路，以滿足目標 FPGA 或 SoC 設備上特定應用的要求。
分析衡量在 FPGA 上執行預測時的層級延遲，以找出效能瓶頸。
使用 Deep Learning Toolbox，根據效能分析指標調整您的網路配置。將您的深度學習網路量化到定點數表示，從而減少資源使用。
使用 Model Quantization Library 支援套件在準確度和資源使用量之間進行權衡分析。
使用 HDL Coder 將深度學習處理器的自訂 RTL 實現部署到各種 FPGA、ASIC 或 SoC 設備。
使用 HDL Coder 從深度學習處理器產生可合成的 RTL，以便在各種實現工作流和設備中使用。將同一深度學習處理器重用於原型開發和生產部署。
當 HDL Coder 從深度學習處理器生成 RTL 時，它還會生成一個帶標準 AXI 介面的 IP 核，用於整合到 SoC 參考設計中。
2022a :
建立、註冊、驗證和部署網路自訂層DSP HDL

Deep Learning HDL Toolbox. 深度學習-HDL設計工具箱

Introduction

Key Features

2022a :