深度学习HDL工具箱
在FPGA和SOC上原型化并部署深度学习网络
深度学习HDL工具箱™ 提供在FPGA和SOC上原型化和实现深度学习网络的功能和工具。它提供预构建的比特流,用于在支持的Xilinx上运行各种深度学习网络万博1manbetx®和英特尔®FPGA和SoC器件。分析和评估工具允许您通过探索设计、性能和资源利用的折衷来定制深度学习网络。
深度学习HDL工具箱使您能够自定义深度学习网络的硬件实现,并生成便携式、可合成的Verilog®和VHDL®用于在任何FPGA上部署的代码(使用HDL编码器™ 和Simulink万博1manbetx®).
开始:
可编程深度学习处理器
工具箱包括一个深度学习处理器,该处理器具有通用卷积和由调度逻辑控制的完全连接的层。该深度学习处理器对使用FPGA开发的网络执行基于FPGA的推断深度学习工具箱™。高带宽内存接口加速层和权重数据的内存传输。
编译和部署
将深度学习网络编译成一组指令,由深度学习处理器运行。部署到FPGA并运行预测,同时捕获实际的设备性能指标。
开始使用预构建的比特流
使用流行的FPGA开发工具包的可用位流,在不使用FPGA编程的情况下对网络进行原型设计。
创建用于部署的网络
首先,使用深度学习工具箱设计、训练和分析深度学习网络,以完成目标检测或分类等任务。也可以从导入经过训练的网络或其他框架中的层开始。
将网络部署到FPGA
一旦你有了一个训练有素的网络,使用部署
命令使用深度学习处理器以及以太网或JTAG接口对FPGA进行编程。然后使用编写
命令为经过培训的网络生成一组指令,而无需重新编程FPGA。
运行基于fpga的推理作为MATLAB应用程序的一部分
在MATLAB中运行整个应用程序®,包括您的测试台、预处理和后处理算法,以及基于FPGA的深度学习推理。单个MATLAB命令,预测
,在FPGA上执行推断并将结果返回到MATLAB工作空间。
调整网络设计
使用配置文件度量,使用深度学习工具箱调整网络配置。例如,使用深层网络设计器来添加层、删除层或创建新的连接。
深度学习量化
通过将深度学习网络量化为定点表示来降低资源利用率。使用模型量化库支持包分析准确性和资源利用之间的权衡。万博1manbetx
生成用于集成的IP核
当HDL Coder从深度学习处理器生成RTL时,它还生成一个带有标准AXI接口的IP核,用于集成到SoC参考设计中。