深度学习HDL工具箱

在fpga和soc上原型和部署深度学习网络

深度学习HDL工具箱™提供了在fpga和soc上原型和实现深度学习网络的功能和工具。它提供预构建的位流,用于在受支持的Xilinx上运行各种深度学习网络万博1manbetx®和英特尔®FPGA和SOC设备。分析和估算工具可让您通过探索设计,性能和资源利用权衡来定制深度学习网络。

深度学习HDL工具箱使您能够定制您的深度学习网络的硬件实现,并生成可移植的、可合成的Verilog®和硬件描述语言(VHDL)®用于在任何FPGA上部署的代码(使用HDL Coder™和Simulink)万博1manbetx®)。

开始:

FPGA的深度学习推断

基于fpga的深度学习网络原型和实现,用于边缘部署。

可编程深度学习处理器

工具箱包括一个深度学习处理器,它具有一般卷积和由调度逻辑控制的全连接层。该深度学习处理器执行基于fpga的网络推理使用深度学习工具箱™。高带宽存储器接口层和重量数据的速度存储器传输。

深度学习处理器架构。

汇编和部署

将您的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,同时捕获实际设备上的性能指标。

编译和部署YOLO v2网络。

基于fpga的MATLAB推理

从Matlab上的FPGA进行深入学习推理。

创建用于部署的网络

首先使用深度学习工具箱设计、训练和分析您的深度学习网络任务,如对象检测或分类。您还可以从从其他框架导入经过训练的网络或层开始。

将网络部署到FPGA

一旦您有培训的网络,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。然后使用编译命令为您经过训练的网络生成一组指令,而无需重新编程FPGA。

使用MATLAB对电路板和接口进行配置,编译网络,部署到FPGA上。

作为MATLAB应用程序的一部分运行基于FPGA的推理

在MATLAB中运行您的整个应用程序®,包括您的测试台、预处理和后处理算法,以及基于fpga的深度学习推断。一个简单的MATLAB命令,预测,执行FPGA上的推理,并将结果返回到MATLAB工作区。

在FPGA上运行执行深度学习推理的MATLAB应用程序。

网络定制

调整您的深度学习网络,以满足目标FPGA或SOC设备上的特定于应用程序的要求。

简介FPGA推理

在FPGA上运行预测以发现性能瓶颈时,测量层级延迟。

利用MATLAB在FPGA上实现深度学习网络推理。

调整网络设计

使用配置文件指标,使用深度学习工具箱调整网络配置。例如,使用深网络设计器添加图层,删除图层或创建新连接。

深度学习量化

通过将深度学习网络量化到固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率之间的权衡。万博1manbetx

部署自定义RTL实现

将深度学习处理器的自定义RTL实现部署到具有HDL编码器的任何FPGA,ASIC或SOC设备。

自定义深度学习处理器配置

指定用于实现深度学习处理器的硬件架构选项,例如并行线程或最大层大小的数量。

生成Synthesizable RTL

使用HDL编码器从深度学习处理器生成可合成的RTL,用于各种实现流程和设备。在原型和生产部署中重用相同的深度学习处理器。

从深度学习处理器生成可合成的RTL。

生成集成IP核

当HDL编码器从深度学习处理器生成RTL时,它还产生具有标准AXI接口的IP核心,以集成到SOC参考设计。

目标平台接口表,显示I/O和axis接口之间的映射。