深度学习处理器IP核的系统集成
使用HDL Coder™和深度学习HDL Toolbox™生成深度学习(DL)处理器IP核。将生成的深度学习(DL)处理器IP核集成到您的系统设计中,手动或使用HDL Coder和IP核生成工作流
您可以通过以下方式将深度学习处理器IP核集成到您的系统中:
生成和集成DL处理器IP核-使用深度学习HDL工具箱生成一个通用的深度学习处理器IP核。生成的深度学习处理器IP核是具有标准AXI4接口的通用HDL Coder IP核。您可以将生成的通用DL IP核集成到Vivado中®或第四的®设计。
通过以下方法加速将生成的DL处理器IP核集成到系统设计中:
读取生成的IP核报告中的AXI4寄存器映射。AXI4寄存器支持MATLAB®或其他AXI4 Master设备来控制和编程DL处理器IP核。
使用编译器生成的外部内存缓冲区分配。
格式化输入和输出外部内存数据。
基于DL处理器IP核集成的参考设计-使用深度学习HDL工具箱生成通用的深度学习处理器IP核。通过使用HDL Coder将生成的深度学习处理器IP核集成到您的定制参考设计中。看到创建一个自定义硬件平台(高密度脂蛋白编码器).可以在Simulink中设计DUT的预处理和后处理逻辑金宝app®或MATLAB,使用HDL Coder IP核生成工作流,将预处理和后处理逻辑与深度学习处理器集成。
使用MATLAB在深度学习处理器IP核上运行您的定制深度学习网络,并从您的集成系统设计中检索深度学习网络预测结果。
功能
主题
生成并集成DL处理器IP核
- 深度学习处理器IP核
了解生成的深度学习处理器IP核。 - 使用编译器输出进行系统集成
使用编译器输出将生成的深度学习处理器IP核集成到您的设计中。 - 外部内存数据格式
定义输入和输出外部内存数据格式。 - 深度学习处理器寄存器映射
使用MATLAB或其他AXI4主控设备对深度学习处理器IP核进行控制和编程。 - 与深度学习处理器IP核的接口
选择批处理模式和流处理模式来处理多个数据帧。 - 不使用MATLAB连接初始化已部署的深度学习处理器
将您的网络和深度学习处理器IP核部署到自定义文件中。使用脚本解析创建的文件并初始化部署的网络和深度学习处理器IP核。
基于DL处理器IP核集成的参考设计
- 定义深度学习处理器IP核心工作流定制板和参考设计
本示例展示了如何定义和注册一个自定义板以及深度学习处理器IP核心工作流的参考设计。