FPGA上的原型深度学习网络

估计串联网络的性能。利用MATLAB分析和检索目标设备的推理结果^®

深度学习HDL工具箱™提供了创建对象的类，以部署系列深度学习网络到目标FPGA和SoC板。在将深度学习网络部署到目标FPGA和SoC板之前，请使用上述方法评估自定义深度学习网络的性能和资源利用率。部署深度学习网络后，使用MATLAB从目标FPGA板上检索网络预测结果。

类

`dlhdl。工作流`	配置深度学习神经网络部署流程
`dlhdl。目标`	为工作流部署配置接口到目标板
`dlhdl。模拟器`	创建检索中间层结果的对象，验证深度学习网络预测的准确性

功能

`激活`	检索已部署深度学习网络的中间层结果
`激活`	检索的中间层结果`dlhdl。模拟器`对象
`validateConnection`	验证SSH连接和部署的位流
`释放`	释放到目标设备的连接
`预测`	对部署的网络进行推理，并对部署在指定目标设备上的神经网络进行速度分析
`预测`	检索预测结果`dlhdl。模拟器`对象
`部署`	将指定的神经网络部署到目标FPGA板上
`编译`	编译工作流对象
`getBuildInfo`	检索比特流资源利用率

主题

基于FPGA和soc的原型深度学习网络工作流

加速运行在固定比特流上的自定义深度学习网络的原型、部署、设计验证和迭代dlhdl。工作流对象。

基于LIBIIO/以太网连接的深度学习网络部署

使用MATLAB快速部署深度学习网络到FPGA板。

概要推断运行

获取为预训练的系列网络和指定目标FPGA板执行的推理运行的性能参数。

多帧支持万博1manbetx

通过使用多帧支持特性，提高已部署深度学习网络的性能。万博1manbetx

特色的例子

标识识别网络

创建、编译和部署dlhdl。工作流对象that has Logo Recognition Network as the network object using the Deep Learning HDL Toolbox™ Support Package for Xilinx FPGA and SoC. Use MATLAB® to retrieve the prediction results from the target device.

打开实时脚本

在车道检测中部署迁移学习网络

创建、编译和部署dlhdl。工作流对象that has a convolutional neural network. The network can detect and output lane marker boundaries as the network object using the Deep Learning HDL Toolbox™ Support Package for Xilinx FPGA and SoC. Use MATLAB® to retrieve the prediction results from the target device.

打开实时脚本

基于深度学习的图像分类

创建、编译和部署dlhdl。工作流对象with alexnet as the network object by using the Deep Learning HDL Toolbox™ Support Package for Xilinx FPGA and SoC. Use MATLAB® to retrieve the prediction results from the target device. Alexnet is a pretrained convolutional neural network that has been trained on over a million images and can classify images into 1000 object categories (such as keyboard, coffee, mug, pencil,and many animals). You can also use VGG-19 and Darknet-19 as the network objects.

打开实时脚本

DAG网络在FPGA上的图像分类

训练、编译和部署dlhdl。工作流对象that has ResNet-18 as the network object by using the Deep Learning HDL Toolbox™ Support Package for Xilinx FPGA and SoC. Use MATLAB® to retrieve the prediction results from the target device.

打开实时脚本

缺陷检测

部署一个定制训练的系列网络，以检测物体的缺陷，如六角螺母。采用迁移学习的方法训练自定义网络。迁移学习是深度学习应用中常用的一种方法。你可以把一个预先训练好的网络作为学习新任务的起点。用迁移学习对网络进行优化通常比用随机初始化的权重从头开始训练网络要快得多，也容易得多。您可以使用更少的训练信号，快速地将学到的特征转移到新任务中。本例使用了两个经过训练的系列网络trainedDefNet。和trainedBlemDetNet.mat。

打开实时脚本