Чтобы загрузить входной образ в развернутое IP-ядро процессора глубокого обучения и получить выходные результаты, можно считывать данные из внешней памяти и записывать данные во внешнюю память с помощью dlhdl.Workflow рабочий процесс. Этот рабочий процесс форматирует данные. Кроме того, можно вручную отформатировать входные данные. Обработка форматированных выходных данных с использованием формата данных внешней памяти.
Parallel Data Transfer Number относится к числу пикселей, которые передаются каждый тактовый цикл через ведущий интерфейс AXI. Использовать букву N вместо Parallel Data Transfer Number. Математически N - квадратный корень ConvThreadNumber. См. раздел Номер ConvThreadNumber.
Feature Number относится к значению размерности z матрицы x-by-y-by-z. Например, большинство входных изображений имеют размер x-by-y-by-three, причем три относятся к красным, зеленым и синим каналам изображения. Использовать букву Z вместо Feature Number.
Входы и выходы модуля свертки процессора глубокого обучения обычно являются трехмерными (3-D). Внешняя память хранит данные в одномерном (1-D) векторе. Преобразование 3-D входного изображения во 1-D для сохранения во внешней памяти:
Послать N количество данных в z размерность матрицы.
Отправьте информацию об изображении вдоль размера x входного изображения.
Отправьте информацию изображения вдоль размера y входного изображения.
После первого NXY блок завершен, затем мы отправляем следующий NXY блок вдоль z размерность матрицы.
Изображение демонстрирует, как данные, хранившие в матрице 3 на 3 на 4, переведены на матрицу 1 на 36, которая тогда сохранена во внешней памяти.
Когда изображение Feature Number (Z) не кратно Parallel Data Transfer Number (N), то мы должны положить нулевую матрицу размера x-by-y вдоль z размера матрицы, чтобы сделать изображение Z значение, кратное N.
Например, если входное изображение является матрицей x-by-y с Z значение три и значение N четыре, заклеивают изображение матрицей нулей размера x-by-y, чтобы сделать вход во внешнюю память матрицей x-by-y-by-4.
Это изображение является форматом входного изображения перед заполнением.
Это изображение является форматом входного изображения после заполнения нулем.
На рисунке показан пример формата выходных данных внешней памяти для входной матрицы после заполнения нулем. В изображении A, B и C являются тремя признаками входного изображения, а G - заполненными нулями данными для создания входного изображения. Z значение четыре, которое кратно N.
Если ваш процессор глубокого обучения состоит только из модуля обработки свертки (conv), выходные внешние данные используют формат внешних данных модуля conv, что означает, что он может содержать дополненные данные, если ваш выход Z значение не кратно N значение. Дополненные данные удаляются при использовании dlhdl.Workflow workflow-процесс. Если вы не используете dlhdl.Workflow workflow-процесс и непосредственно считывание выходных данных из внешней памяти, удаление дополненных данных.
Если ваша сеть глубокого обучения состоит как из сверточного (conv), так и полностью подключенного (fc) уровней, выход процессора глубокого обучения (DL) следует формату данных внешней памяти модуля fc.
На рисунке показан пример формата выходных данных внешней памяти для полностью подключенного выходного элемента размером шесть. В изображении А, В, С, D, Е и F являются выходными признаками изображения.
