量化是什么?

量化是将连续的无限值映射到一组较小的离散有限值的过程。在模拟和嵌入式计算环境中，它是关于用数字表示法近似真实世界的值，该数字表示法引入了对值的精度和范围的限制。量化在算法中引入了各种误差源，如舍入误差、下溢或溢出、计算噪声和极限环。这导致理想系统行为和计算数值行为之间的数值差异。

为了管理量化的效果，您需要选择正确的数据类型来表示真实的信号。您需要考虑用于编码信号的数据类型的精度、范围和缩放，还需要考虑量化对算法的数值行为的非线性累积效应。当您拥有诸如反馈循环这样的结构时，这种累积效应会进一步加剧。

为什么量化很重要

在转换嵌入式硬件设计的过程中，需要考虑量化误差。量化误差影响信号处理、无线、控制系统、FPGA、ASIC、SoC、深度学习等应用。

信号处理和无线应用中的量化

在信号处理的应用中，量化误差会导致噪声和降低信噪比（SNR）。SNR以dB为单位测量，通常描述为每增加一位降低x分贝。为了管理量化噪声并将其保持在可接受的水平，您需要选择正确的设置，如数据类型和舍入模式。

控制系统中的量化

在设计控制系统时，特别是低功耗微控制器，可以使用整数或定点算法来平衡实时性能要求和低功耗约束。在这样的设计中，您需要选择数据类型，以适应来自输入传感器的信号的动态范围和精度，同时满足输出信号的精度要求，所有这些都不会由于量化而遇到数值差异。

FPGA、ASIC和SoC开发中的量化

通过降低FPGA资源利用率、降低功耗、满足延迟要求等，将设计从浮点转换为定点有助于最大限度地降低功耗和资源消耗。但是，这种转换会引入量化误差，因此在转换d埃辛。

深度学习中的量化

深度学习网络的量化是一个重要步骤，有助于加速推理，并减少嵌入式设备上的内存和功耗。缩放的8位整数量化在减少网络规模的同时保持网络的准确性。这使得部署到内存占用较小的设备上，从而使其他算法和控制逻辑的空间。

当考虑目标硬件（GPU、FPGA、CPU）架构时，可以进行量化优化。这包括整数计算、利用硬件加速器和融合层。量化步骤是实现网络可接受精度的迭代过程。

深度网络量化与部署

了解如何在MATLAB中使用白盒方法对深度神经网络进行量化、校准和验证，以在性能和精度之间进行权衡，然后将量化后的DNN部署到嵌入式GPU和FPGA硬件板上。

量化的工作方式

量化误差是非线性操作的累积效应，如信号的小数部分四舍五入或信号的动态范围溢出。在转换嵌入式硬件的设计时，通过观察设计中的关键信号或变量，并对量化误差进行预算，可以将量化误差考虑在内，以便数字差异在可接受的容忍范围内。

用MATLAB和Simulink实现量化金宝app

使用MATLAB和Simulin金宝appk，您可以:

• 量化误差传播的探索与分析
• 自动量化您的设计到有限的精度
• 调试量化产生的数值差异

探索和分析量化误差

您可以通过模型范围内的自动检测来收集模拟数据和统计数据。该数据的MATLAB可视化使您能够探索和分析您的设计，以理解您的数据类型选择如何影响潜在的信号。

自动量化您的设计

您可以通过选择特定的数据类型来量化设计，也可以迭代地探索不同的定点数据类型。使用引导式工作流，您可以看到量化对系统数值行为的总体影响。

或者，您可以解决优化问题，并为您的设计选择最优的异构数据类型配置，以满足系统数值行为的容忍约束。

了解更多关于定点转换的信息:

• 手动将MATLAB代码转换为定点的最佳实践
• 使用定点工具迭代地转换你的Sim金宝appulink模型
• 使用定点优化的自动转换

调试量化导致的数值差异

使用MATLAB，您可以识别、跟踪和调试由于量化而产生的数值问题的来源，如溢出、精度损失以及设计中浪费的范围或精度。