文档帮助中心文档
通过量化深度学习网络,提高吞吐量,降低资源利用率,并将较大的网络部署到较小的目标板上。
通过收集仪器数据校准预训练系列网络后,量化系列网络并验证量化网络的准确性。一旦量化网络得到验证,生成量化网络的代码并部署量化网络。
全部展开
DLQ量化选项
数字量化器
校准
验证
工作流程
目标
模拟机
编写
部署
预测
释放
验证连接
万博1manbetx支持的网络、层、板和工具
预训练的深度学习网络和网络层,深度学习HDL工具箱可以为其生成代码™.
深层神经网络的量化
了解量化的效果以及如何可视化网络卷积层的动态范围。
量化工作流先决条件
s manbetx 845深度学习网络量化所需的产品。
标定
模拟预训练系列网络,收集权重和偏差的动态范围。
量化并验证您的预培训系列深度学习网络。
代码生成和部署
生成代码并部署量化预训练系列深度学习网络。
量化神经网络卷积层中的可学习参数,并验证量化后的网络。通过MATLAB仿真或FPGA对量化网络进行快速原型验证。在本例中,将对LogoNet神经网络进行量化。
通过使用深度学习HDL工具箱,培训、编译和部署已将Alexnet量化为网络对象的dlhdl.Workflow对象™ Xilinx FPGA和SoC的支持包。量化通过将网络层的权重、偏差和激活量化为8位缩放整数数据类型,有助于降低深度神经网络的内存需求。使用MATLAB®从目标设备万博1manbetx检索预测结果。
在本例中,您将使用深度学习HDL工具箱™ 部署量化深度卷积神经网络并对图像进行分类。示例使用预训练的ResNet-18卷积神经网络演示量化网络的转移学习、量化和部署。使用MATLAB®检索预测结果。
演示如何使用深度学习HDL工具箱™ 部署量化GoogleNet网络对图像进行分类。该示例使用预先训练的GoogLeNet网络来演示量化网络的迁移学习、量化和部署。量化通过将网络层的权重、偏差和激活量化为8位缩放整数数据类型,有助于降低深度神经网络的内存需求。使用MATLAB®检索预测结果。
您单击了与此MATLAB命令对应的链接:
通过在MATLAB命令窗口中输入命令来运行该命令。Web浏览器不支持MATLAB命令。万博1manbetx
选择一个网站以获取翻译后的内容(如果可用),并查看本地活动和优惠。根据您的位置,我们建议您选择:.
您还可以从以下列表中选择网站:
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家/地区网站未针对您所在地的访问进行优化。
联系当地办事处
现在受审