一 神经网络处理惩罚器
通常基于FPGA的神经网络处理惩罚器进行摆设某种网络，考虑的因素较多，具体包罗网络模型的差别，涵盖差别的算子、激活函数、调理计谋等等；具体硬件实现，涉及神经网络处理惩罚器并行度、硬件资源斲丧（DSPs/BRAMs/通信带宽等）；具体摆设阶段，需要对权重和中间效果数据进行格式转换，便于对比验证以及需要不停完善神经网络处理惩罚器。整个过程每每费时费力。基于此考虑，基于Python搭建神经网络模拟器，用于模拟神经网络处理惩罚器，加快仿真验证、快速进行硬件资源和性能的评估，同时对编译器生成的指令集进行快速模拟推理。
二 神经网络模拟器
在计划和实现一个通用的模拟器接口时，我们起首要明白我们的目的，即加快硬件验证和仿真，因此侧重点包罗模拟根本的网络推理、硬件资源分配、功能验证、性能评估、指令集验证等等。因此，在实际模拟器实现时，会着重对需要分析和加快评估的关键点进行模拟和推理实现。
三 结论
实践证实，通过神经网络模拟器，相比传统的基于FPGA的神经网络处摆设仿真验证，效率提升了数倍以上，同时对整个推理过程中的关键点、硬件资源斲丧和性能评估，都能在实际摆设前进行评估，与实际摆设后进行对比分析，效果根本保持一致。有效提升了摆设效率和缩短了摆设时间。（当然，在完成模拟器推理后，还需要进行FPGA的神经网络仿真~）
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。 |
