Exponenta Banner

Глубокое обучение по решению FPGA и рабочим процессам

Рисунок иллюстрирует MATLAB® решение для реализации глубокого обучения на FPGA.

Решение FPGA для глубокого обучения предоставляет решение «конец в конец», которое позволяет вам оценивать, компилировать, профилировать и отлаживать пользовательскую предварительно обученную сеть серии. Можно также сгенерировать пользовательский процессор глубокого обучения IP. Оценщик используется для оценки эффективности среды глубокого обучения с точки зрения скорости. Компилятор преобразует предварительно обученные нейронные сети для глубокого обучения для текущего приложения для его развертывания на предполагаемых целевых платах FPGA.

Для получения дополнительной информации об IP-процессоре глубокого обучения смотрите Deep Learning Processor IP Core.

Преимущества FPGA

ПЛИС обеспечивают такие преимущества, как:

  • Высокая эффективность

  • Гибкое взаимодействие

  • Параллелизм данных

  • Моделируйте параллелизм

  • Параллелизм трубопровода

Глубокое обучение по рабочим процессам FPGA

Чтобы запустить определенное Глубокое Обучение по задачам FPGA, смотрите информацию, перечисленную в этой таблице.

ЗадачаРабочий процесс
Запустите предварительно обученную последовательную сеть на целевой плате FPGA.Нейронные сети для глубокого обучения прототипов на FPGA и SoCs Рабочего процесса
Получите эффективность предварительно обученной последовательной сети для предварительно сконфигурированного процессора глубокого обучения.Оценка Эффективности Нейронной сети для глубокого обучения
Настройте процессор глубокого обучения, чтобы соответствовать ограничениям области.Оценка использования ресурсов для пользовательских Строений процессора
Сгенерируйте пользовательский процессор глубокого обучения для FPGA.Сгенерируйте пользовательский битовый поток
Узнайте о преимуществах квантования предварительно обученных последовательных сетей.Квантование глубоких нейронных сетей
Сравните точность квантованных предварительно обученных последовательных сетей с одной предварительно обученной последовательной сетью типа данных.Валидация
Запустите квантованную предварительно обученную последовательную сеть на целевой плате FPGA.Генерация кода

Deep Learning HDL Toolbox документация

Поддержка