文件帮助中心文件
通过量化您的深度学习网络,提高吞吐量,降低资源利用率,并将较大的网络部署到较小的目标板上。
通过收集仪器数据校准预制系列网络后,量化您的系列网络并验证量化网络的准确性。一旦验证量化网络,生成代码和部署量化网络。
展开全部
dlquantizationOptions.
dlquantizer
校准
证实
dlhdl.workflow.
dlhdl.target.
dlhdl.simulator.
编译
部署
预测
释放
validateconnection.
金宝app支持的网络,层,板和工具
预先训练的深度学习网络和网络层,可以通过深度学习HDL Toolbox™生成代码。
深神经网络的量化
了解量化的影响以及如何可视化网络卷积层的动态范围。
量化工作流先决条件
下载188bet金宝搏深度学习网络量化所需的产品。
模拟预先训练的序列网络,并收集权重和偏差的动态范围。
验证
量化并验证预磨料系列深度学习网络。
代码生成和部署
生成代码并部署量化的预磨平系列深度学习网络。
在神经网络的卷积层中量化可学习参数,并验证量化网络。通过使用MATLAB仿真或FPGA来验证量化网络快速原型。在此示例中,您量化LogoNet神经网络。
培训、编译和部署dlhdl。工作流对象,通过使用Xilinx FPGA和SoC的Deep Learning HDL Toolbox™支持包,将Alexnet量化为网络对象。金宝app量化通过将网络层的权重、偏差和激活量化为8位比例整数数据类型,帮助降低深度神经网络的内存需求。使用MATLAB®从目标设备检索预测结果。
在此示例中,您可以使用Deep Learning HDL Toolbox™部署量化的深度卷积神经网络并分类图像。该示例使用预磨料的Reset-18卷积神经网络来演示量化网络的传输学习,量化和部署。使用MATLAB®检索预测结果。
展示如何使用深度学习HDL工具箱™部署一个量化的GoogleNet网络来分类图像。该示例使用预训练的GoogLeNet网络演示迁移学习、量化和量化网络的部署。量化通过将网络层的权重、偏差和激活量化为8位比例整数数据类型,帮助降低深度神经网络的内存需求。利用MATLAB®实现预测结果的检索。
您点击了对应于这个MATLAB命令的链接:
在MATLAB命令窗口中输入命令运行该命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站,以便在可用的地方进行翻译内容,并查看本地活动和优惠。根据您的位置,我们建议您选择:。
您还可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获得最佳网站性能。其他MathWorks国家网站未优化您所在地的访问。
联系您当地的办公室
立即获得试用