Прототип нейронных сетей для глубокого обучения на FPGA

Оценка эффективности последовательных сетей. Профиль и извлечение результатов вывода из целевых устройств с помощью MATLAB®

Deep Learning HDL Toolbox™ предоставляет классы для создания объектов для развертывания последовательных нейронных сетей для глубокого обучения на целевых платах FPGA и SoC. Перед развертыванием нейронных сетей для глубокого обучения на целевых платах FPGA и SoC используйте методы для оценки эффективности и использования ресурсов пользовательских нейронных сетей для глубокого обучения. После развертывания нейронной сети для глубокого обучения используйте MATLAB, чтобы получить результаты предсказания сети от целевой платы FPGA.

Классы

dlhdl.WorkflowНастройте рабочий процесс развертывания для глубокой нейронной сети
dlhdl.TargetСконфигурируйте интерфейс на целевой плате для развертывания рабочих процессов

Функции

activations Получение промежуточных результатов слоя для развернутых нейронных сетей для глубокого обучения
validateConnectionПроверьте SSH-соединение и развернутый битовый поток
releaseРазблокируйте подключение к целевому устройству
predictЗапуск вывода о развернутой сети и скорости профиля нейронной сети, развернутой на указанном целевом устройстве
deploy Развертывание указанной нейронной сети на целевой плате FPGA
compile Скомпилируйте объект рабочего процесса
getBuildInfoИзвлечение использования ресурсов битового потока

Темы

Нейронные сети для глубокого обучения прототипов на FPGA и SoCs Рабочего процесса

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

Развертывание на основе соединений LIBIIO/Ethernet

Быстрое развертывание нейронных сетей для глубокого обучения на платах FPGA с помощью MATLAB.

Запуск вывода профиля

Получите параметры эффективности запуска вывода, выполненного для предварительно обученной последовательной сети и указанной целевой платы FPGA.

Поддержка нескольких систем координат

Улучшите эффективность развернутой нейронной сети для глубокого обучения с помощью функции поддержки нескольких систем координат.

Рекомендуемые примеры

Для просмотра документации необходимо авторизоваться на сайте