Exponenta Banner
exponenta event banner

Прототип сетей глубокого обучения на FPGA

Оценка производительности сетей серии. Профилирование и извлечение результатов вывода с целевых устройств с помощью MATLAB ®

Deep Learning HDL Toolbox™ предоставляет классы для создания объектов для развертывания последовательных сетей глубокого обучения для целевых плат FPGA и SoC. Перед развертыванием сетей глубокого обучения на целевых платах FPGA и SoC используйте методы оценки производительности и использования ресурсов пользовательской сети глубокого обучения. После развертывания сети глубокого обучения используйте MATLAB для получения результатов прогнозирования сети с целевой платы FPGA.

Классы

dlhdl.WorkflowНастройка рабочего процесса развертывания нейронной сети глубокого обучения
dlhdl.TargetНастройка интерфейса для целевой платы для развертывания рабочего процесса

Функции

activations Получение результатов промежуточного уровня для развернутой сети глубокого обучения
validateConnectionПроверка соединения SSH и развернутого битового потока
releaseРазъединение подключения к целевому устройству
predictВывод о развертываемой сети и скорости профиля нейронной сети, развернутой на указанном целевом устройстве
deploy Развертывание указанной нейронной сети на целевой плате FPGA
compile Компиляция объекта рабочего процесса
getBuildInfoПолучение информации об использовании ресурсов битового потока

Темы

Прототип сетей глубокого обучения на FPGA и SoC

Ускорьте создание прототипов, развертывание, проверку проекта и итерацию пользовательской сети глубокого обучения, работающей на фиксированном битовом потоке, с помощью dlhdl.Workflow объект.

Развертывание на основе подключения LIBIIO/Ethernet

Быстрое развертывание сетей глубокого обучения на платах FPGA с использованием MATLAB.

Выполнение вывода профиля

Получение параметров рабочих характеристик выполнения вывода, выполняемого для предварительно обученной сети серии и указанной целевой платы FPGA.

Поддержка нескольких рам

Повысьте производительность развернутой сети глубокого обучения с помощью функции поддержки нескольких кадров.

Характерные примеры

Logo Recognition Network

Сеть распознавания логотипов

Создание, компиляция и развертывание dlhdl. Объект рабочего процесса, имеющий сеть распознавания логотипов в качестве сетевого объекта с использованием пакета поддержки Deep Learning HDL Toolbox™ для Xilinx FPGA и SoC. Используйте MATLAB ® для извлечения результатов прогнозирования из целевого устройства .

Открыть сценарий в реальном времени
Deploy Transfer Learning Network for Lane Detection

Развертывание обучающей сети Transfer для определения полосы движения

Создание, компиляция и развертывание dlhdl. Объект рабочего процесса, имеющий сверточную нейронную сеть. Сеть может обнаруживать и выводить границы маркеров полос в качестве сетевого объекта с помощью пакета поддержки Deep Learning HDL Toolbox™ для Xilinx FPGA и SoC. Используйте MATLAB ® для извлечения результатов прогнозирования из целевого устройства .

Открыть сценарий в реальном времени
Image Category Classification by Using Deep Learning

Классификация категорий изображений с помощью глубокого обучения

Создание, компиляция и развертывание dlhdl. Объект рабочего процесса с alexnet в качестве сетевого объекта с помощью пакета поддержки Deep Learning HDL Toolbox™ для Xilinx FPGA и SoC. Используйте MATLAB ® для извлечения результатов прогнозирования из целевого устройства. Alexnet - предварительно обученная сверточная нейронная сеть, которая обучена более чем миллиону изображений и может классифицировать изображения на 1000 категорий объектов (таких как клавиатура, кофе, кружка, карандаш и многие животные). В качестве сетевых объектов можно также использовать VGG-19 и Darknet-19.

Открыть сценарий в реальном времени
Image Classification Using DAG Network Deployed to FPGA

Классификация образов с использованием сети DAG, развернутой в FPGA

Обучение, компиляция и развертывание dlhdl. Объект рабочего процесса, ResNet-18 как сетевой объект с помощью пакета поддержки Deep Learning HDL Toolbox™ для Xilinx FPGA и SoC. Используйте MATLAB ® для извлечения результатов прогнозирования из целевого устройства .

Открыть сценарий в реальном времени
Defect Detection

Обнаружение дефектов

Развертывание настраиваемой обучаемой сети серии для обнаружения дефектов в таких объектах, как шестигранные гайки. Пользовательские сети были обучены с использованием трансфертного обучения. Transfer learning обычно используется в приложениях для глубокого обучения. Предварительно подготовленную сеть можно использовать в качестве отправной точки для изучения новой задачи. Точная настройка сети с обучением переносу обычно намного быстрее и проще, чем обучение сети с произвольно инициализированными весами с нуля. Вы можете быстро перенести изученные функции в новую задачу, используя меньшее количество обучающих сигналов. Этот пример использует две обученных серийных сети trainedDefNet.mat и trainedBlemDetNet.mat.

Открыть сценарий в реальном времени
Bicyclist and Pedestrian Classification by Using FPGA

Классификация велосипедистов и пешеходов с использованием FPGA

Развернуть специализированную обучаемую сеть для обнаружения пешеходов и велосипедистов на основе их микродоплеровских подписей. Эта сеть взята из примера «Классификация пешеходов и велосипедистов с использованием глубокого обучения» из панели инструментов «Поэтапный массив». Более подробную информацию о сетевом обучении и входных данных см. в разделе Классификация пешеходов и велосипедистов с использованием глубокого обучения.

Открыть сценарий в реальном времени
Visualize Activations of a Deep Learning Network by Using LogoNet

Визуализация активаций сети глубокого обучения с помощью LogoNet

Подача изображения в сверточную нейронную сеть и отображение активизаций различных слоев сети. Проверьте активации и определите, какие функции сеть узнает, сравнивая области активации с исходным изображением. Каналы в более ранних слоях изучают простые элементы, такие как цвет и края, в то время как каналы в более глубоких слоях изучают сложные элементы. Определение функций таким образом поможет понять, чему научилась сеть.

Открыть сценарий в реальном времени
Running Convolution-Only Networks by using FPGA Deployment

Запуск сетей только для свертки с использованием развертывания FPGA

Для понимания и отладки сверточных сетей использование и визуализация данных является полезным инструментом. В этом примере показано, как развернуть, запустить и отладить сеть только для свертки с помощью развертывания FPGA.

Открыть сценарий в реальном времени
Vehicle Detection Using YOLO v2 Deployed to FPGA

Обнаружение транспортного средства с помощью YOLO v2, развернутого в FPGA

Обучите и разверните детектор объектов YOLO v2.

Открыть сценарий в реальном времени
Vehicle Detection Using DAG Network Based YOLO v2 Deployed to FPGA

Обнаружение транспортных средств с использованием сети DAG YOLO v2, развернутой в FPGA

Обучите и разверните детектор объектов YOLO v2.

Открыть сценарий в реальном времени
Classify ECG Signals Using DAG Network Deployed To FPGA

Классификация сигналов ЭКГ с использованием сети DAG, развернутой в FPGA

Классифицируйте сигналы электрокардиограммы человека (ЭКГ) путем развертывания обученной сети направленных ациклических графов (ДАГ).

Открыть сценарий в реальном времени

Документация по инструментам глубокого обучения HDL

Поддержка