量化是将连续的无限值映射到更小的离散有限值集合的过程。在模拟和嵌入式计算的上下文中,它是关于接近真实世界的值,用数字表示引入了一个值的精度和范围的限制。量化会在算法中引入各种各样的误差源,例如舍入误差、下溢或溢出、计算噪声和极限环。这导致了理想系统行为与计算数值行为之间的数值差异。
要管理量化的效果,您需要选择正确的数据类型来表示现实世界的信号。您需要考虑用于编码信号的数据类型的精度、范围和缩放,还需要考虑量化对算法的数值行为的非线性累积效应。当您构建了反馈循环之类的结构时,这种累积效应会进一步加剧。
为什么量化问题
在嵌入式硬件的设计转换过程中,需要考虑量化误差。量化误差影响信号处理、无线、控制系统、FPGA、ASIC、SoC、深度学习等应用。
信号处理和无线应用中的量化
在信号处理应用中,量化误差有助于噪声并降低信号噪声比(信噪比)。信噪比的测量单位是dB,通常描述为每增加一个比特的x分贝的降低。为了管理量化噪声并将其保持在可接受的水平,您需要选择正确的设置,比如数据类型和舍入模式。
量化的控制系统
在设计控制系统,特别是对低功耗微控制器,你可以使用整数或定点算术来平衡与低功耗限制的实时性能要求。在这样的设计,就需要选择容纳来自输入传感器来同时满足的输出信号,所有的精度要求,而不运行到由于量化数值差的信号的动态范围和精度的数据类型。
量化的FPGA,ASIC和SoC开发
将设计由浮点转换为定点可以通过降低FPGA资源利用率、降低功耗、满足延迟要求等实现功耗和资源消耗的最小化。但是,这种转换会引入量化误差,因此在转换设计时必须适当地控制量化噪声。
深度学习中的量化
量化已成为优化深度学习模型很重要,因为它有助于部署到嵌入式系统时加速推理。您可以使用混合精度推论使用8位整数,并有持续的学术研究探索4位和6位整数进行量化。
自动量子化您的设计
您可以通过选择特定的数据类型来量化设计,也可以迭代地探索不同的定点数据类型。使用一个有指导的工作流,您可以看到量化对系统的数值行为的总体影响。
或者,您可以解决优化问题,并为您的设计选择最佳的异构数据类型配置,以满足系统的数值行为的容忍度约束。
了解更多关于定点转换:
调试由于量化而产生的数值差异
使用MATLAB,您可以识别、跟踪和调试由量化引起的数值问题的根源,例如溢出、精度损失和设计中的范围或精度浪费。