固定点设计师
模型和优化定点和浮点算法
固定点设计器™提供用于优化和实现嵌入式硬件上的定点和浮点算法的数据类型和工具。它包括固定点和浮点数据类型和目标特定的数字设置。使用固定点设计器,您可以执行针对性点的目标感知模拟。然后,您可以在实现硬件上进行设计之前测试和调试量化效果,例如溢出和精度损耗。
固定点设计人员提供应用程序和工具,用于分析双精度算法并将其转换为降低精度浮点或固定点。优化工具使您可以选择满足您的数值准确性要求和目标硬件约束的数据类型。有效实现,您可以用硬件 - 最佳模式替换计算昂贵的设计构造,例如压缩查找表。
生产C和HDL代码可以直接从固定和浮点优化模型生成。
开始:
免费技术文章
什么是INT8量化,为什么它为深神经网络流行?
浮点仿真
在模拟和代码生成中,模拟非标准浮点数的目标硬件行为,例如刷新为零。在MATLAB中用fp16半精度数据类型模拟有限精度浮点数®和模拟万博1manbetx®.
仪表和可视化
通过自动模型范围仪器收集仿真数据和统计信息。收集范围数据以探索和分析您的设计。使用可视化以优化您的设计以实现高效的硬件资源利用率。
派生的范围分析
根据您的设计的数学分析推导信号范围,并确定最坏情况范围或边缘情况,而不必创建完全详尽的模拟试验台。使用派生范围,您可以确保您的设计防止或处理所有可能的溢出。
定点量化
探索不同的定点数据类型,以及它们对系统数值行为的量化影响。在您的设计中观察变量的动态范围,并确保转换后的算法在浮点和定点表示中行为一致。
数据类型的优化
自动迭代各种定点配置以选择最佳的异构数据类型,同时满足系统数值行为的容忍约束。该优化旨在使用定点数据类型最小化总位宽,以实现高效的设计。
函数近似和查找表压缩
使用最佳查找表(如SQRT和EXP)或复杂子系统近似数学。压缩现有查找表以通过优化数据点和数据类型来减少内存使用。
溢出和精度损失检测
快速识别、跟踪和调试溢出、精度损失和范围或精度浪费的来源,并将您的设计与理想的浮点行为进行比较。您的模型和代码的真实一致最大化了基于模型的设计的许多好处,使您能够在工作流的早期发现这些问题。
测试数值边缘案例
生成数值丰富的定点和浮点值,例如接近边界和正规数的值,以测试算法的边界情况的数值一致性。生成具有不同维度和复杂性的信号组合,并使用整数、浮点或定点数据类型。