在FPGA上进行快速，可扩展的量化神经网络推理
FINN是Xilinx研究实验室的实验框架，旨在探索FPGA上的深度神经网络推理。 它专门针对，重点是生成为每个网络定制的数据流样式的体系结构。 由此产生的FPGA加速器是高效的，可以产生高吞吐量和低延迟。 该框架是完全开源的，以提供更高程度的灵活性，并且旨在使神经网络研究能够跨越软件/硬件抽象堆栈的多个层。
我们有一个单独的存储库 ，其中包含几个神经网络的预构建示例。 有关FINN的更多常规信息，请访问并查看。
入门
请参阅“页面，以获取有关需求，安装以及如何以不同模式运行FINN的更多信息。 由于项目依赖项的复杂性质，我们目前仅支持基于Docker的FINN编译器执行。
FINN有什么新功能？
2020-12-17：发布了v0.5b（测试版），其中包括MobileNet-v1的新。 在 上阅读更多内容。
2020-09-21： v0.4b（beta）已发布。 在 上阅读更多内容。
2020-05-08： v0.3b（测试版）发布，最初支持卷积，并行转换，为MVAU提供更灵活的内存分配，吞吐量测试以及许多其他较小的改进和错误修
2021-12-22 15:48:01
4.54MB
1
流动：数据必须流动
这是Alpha软件。 它可以正常工作，并且已经过优化，但是目前还没有所有计划的功能。 API可能会意外更改。
使用各自的最佳功能和可用库，以不同的编程语言编写的组件（程序）连接起来。
使它们在组件网络中进行通信。
建立一个数据工厂，组件在其中将传递的数据帧转换成有用的输出。
组件自然会利用所有可用的处理器内核。
组件网络可以跨越多台机器，适合在分布式系统中使用。 路由可用，并且存在负载平衡组件。
尽可能使用可用的现成组件。 收集专用组件的集合，并将其重新用于您的下一个和下一个项目。
因此，您不必花更多的时间在开发上，而不必为每个项目重新编写代码。
这是由提出的基于流的编程（FBP）的基本思想。
该flowd （用于流量守护程序）可以处理FBP网络的执行中，把由编程，然后构成某种应用程序或处理系统中所定义的运行时环境。
因此，基于可重复使用的黑匣子的
2021-02-27 21:02:37
212KB
1