定点设计师

定点设计师

建模和优化定点和浮点算法

开始:

数据类型的探索

研究浮点和定点数据类型,以分析数值精度上的权衡。

定点规范

使用特定于应用程序的字长、二进制点缩放、任意斜率和偏差缩放以及舍入和溢出模式等控制细节指定设计的不动点属性。

定点数据类型及其属性。

指定定点数据类型及其所有属性,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,例如刷新到零。在MATLAB中用fp16半精度数据类型模拟有限精度浮点®和仿真软件®

仪表和可视化

通过自动模型范围的仪器收集仿真数据和统计信息。收集范围数据,以探索和分析您的设计。使用可视化来优化您的设计,以有效地利用硬件资源。

可视化的信号范围。

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测试台。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。

使用设计范围派生范围。

使用设计范围导出范围。

自动数据输入

使用定点和浮点数据类型量化和优化设计。

定点量化

通过指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影响。观察设计中变量的动态范围,并确保转换后的算法在浮点和定点表示中表现一致。

定点工具。

使用定点工具转换浮点模型。

浮点量子化

自动转换设计从双精度到单精度,并分析有限精度浮点表示和量化在单精度的影响。

使用单精度转换器自动转换。

使用单精度转换器自动转换。

数据类型的优化

自动迭代各种定点配置,以选择最佳异构数据类型,同时满足系统数值行为的容差约束。优化寻求使用定点数据类型最小化总位宽,以实现高效的设计。

嵌入式实现

探索实现折衷方案,并使用高效的嵌入式算法优化设计。

函数逼近和查找表压缩

用最佳查找表近似数学上复杂的函数(如sqrt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量。

生成Bit-True代码

确保基于模型的设计从模拟到代码生成的位真一致性,包括加速以及处理器在环和软件在环模拟。分析和验证基于位真表示的不动点算法。从降低精度的设计(包括具有半精度数据类型的设计)生成高效的代码。

Bit-true模拟。

在模拟器中验证生成代码的位真行为。

HDL优化矩阵块

访问一个定点HDL图书馆为线性方程系统和核心矩阵操作(如QR分解)建模设计模式的Simulink块,以提高硬件效率在fpga实现.使用HDL Coder™为合并这些块的设计生成HDL代码。

复杂突发QR分解块。

库块,为QR分解提供了HDL优化设计模式。

测试和调试

分析、测试和调试算法的数值行为。

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实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这些问题。

检测和调试溢出。

跟踪溢出的根本原因。

测试数值边缘用例

生成数值丰富的不动点和浮点值,例如接近边界和不规则数的值,以测试算法的边界用例,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,并具有整数、浮点或定点数据类型。

数据生成器api。

使用数据生成器api生成测试数据。

Baidu
map