定点设计师
建模和优化定点和浮点算法
定点设计器™提供数据类型和工具,用于在嵌入式硬件上优化和实现定点和浮点算法。它包括定点和浮点数据类型以及特定于目标的数字设置。使用定点设计器,您可以执行目标感知模拟,这是位真实的定点。然后,在硬件上实现设计之前,可以测试和调试量化效果,如溢出和精度损失。
定点设计器提供应用程序和工具,用于分析双精度算法,并将其转换为降低精度的浮点或定点。优化工具使您能够选择满足数值精度要求和目标硬件约束的数据类型。为了有效实现,您可以用硬件优化模式(如压缩查找表)代替计算代价高昂的设计构造。
生产C和HDL代码可以直接从您的固定和浮点优化模型生成。
开始:
免费的技术文章
什么是int8量化,为什么它在深度神经网络中流行?
定点规范
使用特定于应用程序的字长度,二进制点缩放,任意斜率和偏置缩放,以及控制细节,如舍入和溢出模式等设计的固定点属性。
浮点模拟
模拟模拟和代码生成中,模拟诸如Flush-to-only的目标硬件行为,例如刷新为零。使用FP16半精密数据类型模拟有限精度浮点®和仿真软金宝app件®。
仪表和可视化
通过模型范围内的自动仪器收集模拟数据和统计数据。收集范围数据,以探索和分析您的设计。使用可视化来优化设计,以有效地利用硬件资源。
派生的范围分析
基于您的设计数学分析并确定最坏情况范围或边缘案例的推导信号范围,而无需创建完全详尽的仿真测试台。使用派生范围,您可以确保您的设计可防止或处理所有可能的溢出。
定点量化
通过引导工作流程探索不同的定点数据类型及其对系统数值行为的量化效果。观察设计中变量的动态范围,并确保算法在转换后的浮点和定点表示中的行为始终如一。
数据类型优化
通过各种固定点配置自动迭代,以选择最佳的异构数据类型,同时满足系统的数值行为的公差约束。优化旨在最大限度地减少使用有效设计的定点数据类型的总比特宽度。
函数近似和查找表压缩
近似数学上复杂的函数(如sqrt和exp)或具有最佳查找表的复杂子系统。通过优化数据点和数据类型,压缩现有查找表以减少内存使用。
生成Bit-True代码
确保基于模型的设计从仿真到代码生成,包括加速以及在环中的处理器和在环中的软件仿真的位真一致。分析和验证基于位真表示的定点算法。从低精度设计(包括半精度数据类型)生成高效代码。
溢出和精度损失检测
快速识别,跟踪和调试溢出,精度损耗和浪费范围或精度的源,并将您的设计与理想的浮点行为进行比较。您的模型和代码的比特真实协议最大限度地提高了基于模型的设计的许多好处,使您能够在工作流程早期发现此类问题。