深度学习HDL工具箱™提供了配置、构建和生成自定义比特流和自定义处理器IP的功能。在自定义处理器上获取预先训练的系列网络的性能和资源利用率。使用估计结果优化自定义处理器。
dlhdl。ProcessorConfig |
配置自定义深度学习处理器 |
dlhdl.buildProcessor |
构建和生成自定义处理器IP |
estimatePerformance |
使用estimatePerformance 方法 |
estimateResources |
返回自定义位流配置使用的估计资源 |
getModuleProperty |
使用getModuleProperty 方法获取模块属性的值dlhdl。ProcessorConfig 对象 |
setModuleProperty |
使用setModuleProperty 方法设置模块的属性dlhdl。ProcessorConfig 对象 |
optimizeConfigurationForNetwork |
检索优化的特定于网络的深度学习处理器配置 |
通过参数的配置,加速自定义深度学习处理器的估计和优化conv处理器
和fc处理器
,通过使用dlhdl。ProcessorConfig
对象的工作流。
部署前分析深度学习网络层时延和整体性能。
在部署之前,加快确定满足资源利用预算的目标硬件板的时间。
通过了解深度学习处理器参数如何影响资源利用率和网络性能,快速原型定制处理器配置和网络。
通过生成满足您的性能和资源需求的资源优化定制比特流,部署您的自定义网络,该网络只有具有卷积模块输出格式的层,或只有具有完全连接模块输出格式的层。
通过配置、构建和生成自定义比特流,快速原型和迭代自定义深度学习网络性能,然后可以部署到目标FPGA和SoC板。
的构建和生成IPdlhdl。ProcessorConfig