定点设计器
对定点和浮点算法进行建模和优化
定点设计器™ 提供用于在嵌入式硬件上优化和实施定点和浮点算法的数据类型和工具。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，您可以执行定点的目标感知模拟。然后，您可以测试和调试qua在硬件上实现设计之前，会产生溢出和精度损失等量化效应。
定点设计器提供用于分析双精度算法并将其转换为低精度浮点或定点的应用程序和工具。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。为了高效地实现，您可以用硬件优化模式（如压缩查找表）替换计算昂贵的设计结构。
生产C和HDL代码可以直接从固定和浮点优化模型生成。
开始：
免费技术文章
什么是int8量化？为什么它在深度神经网络中流行？
指定定点数据类型及其所有属性，例如舍入模式。
浮点仿真
在模拟和代码生成中，模拟非标准浮点数的目标硬件行为，例如刷新为零。在MATLAB中用fp16半精度数据类型模拟有限精度浮点数®和Sim金宝appulink®．
仪器和可视化
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。
可视化信号范围和直方图数据。
派生的范围分析
根据您的设计的数学分析推导信号范围，并确定最坏情况范围或边缘情况，而不必创建完全详尽的模拟试验台。使用派生范围，您可以确保您的设计防止或处理所有可能的溢出。
使用设计范围导出范围。
定点量化
探索不同的定点数据类型，以及它们对系统数值行为的量化影响。在您的设计中观察变量的动态范围，并确保转换后的算法在浮点和定点表示中行为一致。
使用定点工具转换浮点模型。
使用单精度转换器进行自动转换。
数据类型的优化
自动迭代各种定点配置以选择最佳的异构数据类型，同时满足系统数值行为的容忍约束。该优化旨在使用定点数据类型最小化总位宽，以实现高效的设计。
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。
溢出和精度损失检测
快速识别、跟踪和调试溢出、精度损失和范围或精度浪费的来源，并将您的设计与理想的浮点行为进行比较。您的模型和代码的真实一致最大化了基于模型的设计的许多好处，使您能够在工作流的早期发现这些问题。
跟踪溢出的根本原因。
测试数值边缘案例
生成数值丰富的定点和浮点值，例如接近边界和正规数的值，以测试算法的边界情况的数值一致性。生成具有不同维度和复杂性的信号组合，并使用整数、浮点或定点数据类型。
使用数据生成器API生成测试数据。
