Deep Learning HDL Toolbox 提供一系列函数和工具,用于面向 FPGA 和 SoC 进行深度学习网络原型构建和实现。它提供预置的比特流,用于在支持的 AMD® 和 Intel® FPGA 与 SoC 设备上运行各种深度学习网络。借助性能分析和估计工具,您可以探索各种设计、性能和资源使用量权衡方案,以便自定义深度学习网络。
使用 Deep Learning HDL Toolbox,您可以自定义深度学习网络的硬件实现,并生成可移植、可综合的 Verilog®、 SystemVerilog 和 VHDL® 代码,以在任何 FPGA 或 SoC 上进行部署(需要 HDL Coder 和 Simulink)。
使用基于 FPGA 的深度学习处理器
该工具箱包括深度学习处理器,该处理器采用由调度逻辑控制的通用深度学习层。此处理器使用 Deep Learning Toolbox 执行基于 FPGA 的网络推断。
预置比特流快速入门
使用可用的预置比特流快速原型化长短期记忆 (LSTM) 网络。自定义比特流配置以满足资源使用要求。
在 MATLAB 应用程序中运行基于 FPGA 的推断
在 MATLAB 中运行完整的应用程序,包括您的测试平台、预处理和后处理算法,以及基于 FPGA 的深度学习推断。只需使用 MATLAB 中的 predict
命令,即可在 FPGA 上执行推断并将结果返回 MATLAB 中的工作区。
压缩深度学习网络以用于 FPGA 部署
通过量化和剪枝来压缩深度学习网络,从而降低资源利用率。使用 Model Quantization Library 支持包在准确度和资源使用量之间进行权衡分析。