Моделируйте нейронные сети для глубокого обучения на FPGA

Оцените эффективность серийных сетей. Профилируйте и получите вывод, следует из целевых устройств с помощью MATLAB®

Deep Learning HDL Toolbox™ обеспечивает классы, чтобы создать объекты развернуть серийные нейронные сети для глубокого обучения, чтобы предназначаться для FPGA и плат SoC. Перед развертывающимися нейронными сетями для глубокого обучения на целевой FPGA и платы SoC, усильте методы, чтобы оценить эффективность и использование ресурса пользовательской нейронной сети для глубокого обучения. После того, как вы развернете нейронную сеть для глубокого обучения, использование, MATLAB, чтобы получить сетевое предсказание следует из целевой платы FPGA.

Классы

dlhdl.WorkflowСконфигурируйте рабочий процесс развертывания для глубокой нейронной сети
dlhdl.TargetСконфигурируйте интерфейс на требуемую плату для развертывания рабочего процесса

Функции

activations Получите промежуточные результаты слоя для развернутой нейронной сети для глубокого обучения
validateConnectionПодтвердите связь SSH и развернутый поток битов
releaseВыпустите связь с целевым устройством
predictЗапустите вывод в развернутой сети и профилируйте скорость нейронной сети, развернутой на заданном целевом устройстве
estimateОцените эффективность заданной нейронной сети для глубокого обучения и потока битов для платы целевого устройства
deploy Разверните заданную нейронную сеть в целевую плату FPGA
compile Скомпилируйте объект рабочего процесса

Темы

Моделируйте нейронные сети для глубокого обучения на рабочем процессе SoCs и FPGA

Ускорьте прототипирование, развертывание, верификацию проекта и итерацию вашей пользовательской нейронной сети для глубокого обучения, работающей на фиксированном потоке битов при помощи dlhdl.Workflow объект.

LIBIIO/Ethernet основанное на связи Развертывание

Быстро развертывание сетей глубокого обучения к использованию плат FPGA MATLAB.

Оцените эффективность нейронной сети для глубокого обучения, запускающейся с потоком битов

Оцените пропускную способность и начальную задержку для данной обученной нейронной сети для глубокого обучения, работающей на фиксированном потоке битов.

Профилируйте запуск вывода

Получите эксплуатационные параметры вывода, запущенного выполняемый для предварительно обученной серийной сети и заданной целевой платы FPGA.

Несколько структурируют поддержку

Улучшайте производительность своей развернутой нейронной сети для глубокого обучения при помощи функции поддержки системы координат нескольких.

Рекомендуемые примеры

Для просмотра документации необходимо авторизоваться на сайте