Эффекты пользовательских параметров глубокого обучения на эффективность и использование ресурсов

Анализ того, как параметры процессора глубокого обучения влияют на эффективность нейронной сети для глубокого обучения и использование ресурсов битового потока. Идентифицируйте параметры, которые помогают повысить эффективность и уменьшить использование ресурсов.

В этой таблице перечислены параметры процессора глубокого обучения и их эффекты на эффективность и использование ресурсов.

Параметр процессора глубокого обученияМодуль процессора глубокого обученияДействие параметраЭффект на эффективностьЭффект на использование ресурсов
TargetFrequencyБазовый модульУвеличьте целевую частоту.Повышает эффективность.Предельное увеличение использования интерполяционной таблицы (LUT).
ConvThreadNumberconvУвеличьте количество потоков.Повышает эффективность.Увеличивает использование ресурсов.
InputMemorySizeconvУвеличьте размер входной памяти.Повышает эффективность.Увеличивает использование ресурсов оперативной памяти (BRAM).
OutputMemorySizeconvУвеличьте размер выходной памяти.Повышает эффективность.Увеличивает использование ресурсов оперативной памяти (BRAM).
FeatureSizeLimitconvУвеличение функции size предела.Повышает эффективность в сетях со слоями, которые имеют большое количество функций.Увеличивает использование ресурсов оперативной памяти (BRAM).
KernelDataTypeconvИзмените тип данных на int8.Повышает эффективность. Может быть падение точности.Уменьшает использование ресурсов.
FCThreadNumberfcУвеличьте количество потоков.Повышает эффективность.Увеличивает использование ресурсов.
InputMemorySizefcУвеличьте размер входной памяти.Повышает эффективность.Увеличивает использование ресурсов Block RAM (BRAM).
OutputMemorySizefcУвеличьте размер выходной памяти.Повышает эффективность.Увеличивает использование ресурсов Block RAM (BRAM).
KernelDataTypefcИзмените тип данных на int8.Повышает эффективность. Может быть падение точности.Уменьшает использование ресурсов.
InputMemorySizeadderУвеличьте размер входной памятиПовышает эффективность только для сетей DAGУвеличивает использование ресурсов только для сетей DAG.
OutputMemorySizeadderУвеличьте размер выходной памятиПовышает эффективность только для сетей DAGУвеличивает использование ресурсов только для сетей DAG.
KernelDataTypeadderИзмените тип данных на int8.Повышает эффективность. Может быть падение точности.Уменьшает использование ресурсов.

См. также

| | | |

Похожие темы