Fixed-Point Designer™提供用于优化和实现嵌入式硬件上的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值设置。使用定点设计器,您可以执行目标感知模拟,这是位真定点。然后,在硬件上实现设计之前,可以测试和调试溢出和精度损失等量化效果。
定点设计器提供应用程序和工具,用于分析双精度算法,并将它们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。为了高效实现,可以用硬件优化模式(如压缩查找表)替换计算成本高的设计构造。
产品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?
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,例如刷新到零。在MATLAB中使用fp16半精度数据类型模拟有限精度浮点®和仿真软件®.
衍生极差分析
根据设计的数学分析得出信号范围,并确定最坏情况范围或边缘情况,而无需创建完全详尽的模拟测试台架。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。
定点量化
探索不同的定点数据类型和他们的量化影响数值行为的系统与指导工作流程。观察设计中变量的动态范围,并确保转换后算法在浮点和定点表示中的行为一致。
数据类型优化
自动迭代各种定点配置,以选择最优的异构数据类型,同时满足系统数值行为的容差约束。该优化旨在使用定点数据类型最小化总位宽,以实现高效设计。
函数逼近和查找表压缩
用最优查找表近似数学上复杂的函数(如根号和exp)或复杂的子系统。压缩现有的查找表,通过优化数据点和数据类型来减少内存使用。
溢出和精确损失检测
快速识别、跟踪和调试溢出、精度损失和浪费范围或精度的来源,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确一致性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此类问题。
测试数值边缘案例
生成数值丰富的定点和浮点值,例如靠近边界的值和非法规数,以测试算法的边缘用例,以获得数值一致性。生成具有不同维度和复杂性的信号组合,以及整数、浮点或定点数据类型。