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代码可以直接从您的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?
定点规范
使用特定于应用程序的字长度,二进制点缩放,任意斜率和偏置缩放,以及控制细节,如舍入和溢出模式等设计的固定点属性。
浮点模拟
模拟模拟和代码生成中,模拟诸如Flush-to-only的目标硬件行为,例如刷新为零。使用FP16半精密数据类型模拟有限精度浮点®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。
派生范围分析
基于您的设计数学分析并确定最坏情况范围或边缘案例的推导信号范围,而无需创建完全详尽的仿真测试台。使用派生范围,您可以确保您的设计可防止或处理所有可能的溢出。
定点量化
通过引导工作流程探索不同的定点数据类型及其对系统数值行为的量化效果。观察设计中变量的动态范围,并确保算法在转换后的浮点和定点表示中的行为始终如一。
数据类型优化
通过各种固定点配置自动迭代,以选择最佳的异构数据类型,同时满足系统的数值行为的公差约束。优化旨在最大限度地减少使用有效设计的定点数据类型的总比特宽度。
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。
生成位真代码
确保基于模型的设计的位真实协议从模拟到代码生成,包括加速以及处理器 - 循环和循环软件仿真。基于位真表示分析和验证固定点算法。从降低的精度设计生成有效的代码,包括具有半精密数据类型的精度设计。
溢出和精密损耗检测
快速识别,跟踪和调试溢出,精度损耗和浪费范围或精度的源,并将您的设计与理想的浮点行为进行比较。您的模型和代码的比特真实协议最大限度地提高了基于模型的设计的许多好处,使您能够在工作流程早期发现此类问题。
测试数值边缘案例
生成数值丰富的固定点和浮点值,例如接近边界和非正规的值,以测试算法的边缘情况以获得数值一致性。生成具有不同维度和复杂性的信号的组合,并且具有整数,浮点或固定点数据类型。