exponenta event banner

Влияние пользовательских параметров процессора глубокого обучения на производительность и использование ресурсов

Анализ влияния параметров процессора глубокого обучения на производительность сети глубокого обучения и использование ресурсов битового потока. Определите параметры, которые помогут повысить производительность и сократить использование ресурсов.

В этой таблице перечислены параметры процессора глубокого обучения и их влияние на производительность и использование ресурсов.

Параметр процессора глубокого обученияМодуль процессора глубокого обученияДействие параметраВлияние на производительностьВлияние на использование ресурсов
TargetFrequencyБазовый модульУвеличение целевой частоты.Повышает производительность.Незначительное увеличение использования таблицы поиска (LUT).
ConvThreadNumberconvУвеличить число потоков.Повышает производительность.Повышает коэффициент использования ресурсов.
InputMemorySizeconvУвеличьте размер входной памяти.Повышает производительность.Увеличивает использование ресурсов block RAM (BRAM).
OutputMemorySizeconvУвеличьте размер выходной памяти.Повышает производительность.Увеличивает использование ресурсов block RAM (BRAM).
FeatureSizeLimitconvУвеличить предельный размер элемента.Повышает производительность сетей с уровнями, имеющими большое количество функций.Увеличивает использование ресурсов block RAM (BRAM).
KernelDataTypeconvИзмените тип данных на int8.Повышает производительность. Может произойти падение точности.Сокращение использования ресурсов.
FCThreadNumberfcУвеличить число потоков.Повышает производительность.Повышает коэффициент использования ресурсов.
InputMemorySizefcУвеличьте размер входной памяти.Повышает производительность.Увеличивает коэффициент использования ресурсов Block RAM (BRAM).
OutputMemorySizefcУвеличьте размер выходной памяти.Повышает производительность.Увеличивает коэффициент использования ресурсов Block RAM (BRAM).
KernelDataTypefcИзмените тип данных на int8.Повышает производительность. Может произойти падение точности.Сокращение использования ресурсов.
InputMemorySizeadderУвеличить размер входной памятиПовышение производительности только для сетей DAGУвеличивает использование ресурсов только для сетей DAG.
OutputMemorySizeadderУвеличить размер выходной памятиПовышение производительности только для сетей DAGУвеличивает использование ресурсов только для сетей DAG.
KernelDataTypeadderИзмените тип данных на int8.Повышает производительность. Может произойти падение точности.Сокращение использования ресурсов.

См. также

| | | |

Связанные темы