XC7K480T-1FF901I_AD1941XSTZ导读
尽管摩尔定律逐步放缓,但在过去 20 多年间,FPGA 晶体管数量呈现的指数级增长丝毫未减。长期以来,EDA 面临着各种挑战:器件数量越来越多、设计越来越复杂。
机器学习不仅有助于提高 QoR,还能缩短编译时间,并根据设计模式预测和加快设计收敛策略。研究显示,与传统 EDA 算法相比,QoR 比最初提高了 10%。
XC7K480T-1FF901I_AD1941XSTZ
XC7K480T-1FFG1156C
XC7K355T-1FFG90II XC7K355T-2FBG676C XC7K355T-2FBG676I XC7K355T-2FBG901C XC7K355T-2FBG901I 。
XC7K325T-3FBG900C XC7K325T-3FBG900I XC7K325T-3FF900C XC7K325T-3FF900E XC7K325T-3FF900I 。
XC7K325T-L2FBG676I XC7K410T-L2FFG676I XC7K325T-1FB900C XC7K325T-3FBG900E XC7K325T-L2FBG900I 。
XC7K325F-2FGG900C XC7K325I-2FFG900C XC7K325I-2FFG900I XC7K325KT-1FFG900I XC7K325T 。
XC7K480T-1FF901I_AD1941XSTZ
AD22284
XC7K355T-1FBG676C XC7K355T-1FBG676I XC7K355T-1FBG901C XC7K355T-1FBG901I XC7K355T-1FF901C 。
XC7K325T-L2FB676E XC7K325T-L2FB900E XC7K325T-L2FB900I XC7K325T-L2FBG900E XC7K325T-L2FF676E 。
XC7K160T-3FBG676E XC7K160T-3FBG676I XC7K160T-3FF676C XC7K160T-3FF676I XC7K160T-3FFG676C 。
XC7K160T-2FFG676E XC7K160T-2FFG676I XC7K160T-2FFG67C XC7K160T-2FGG676I XC7K160T-3FB484E 。
XC7K480T-1FF901I_AD1941XSTZ
Vitis平台支持PyTorch和TensorFlow等主流AI框架,以及C、C++和Python等高阶程序语言,使开发者能利用特定API和函式库打造领域解决方案,或利用赛灵思软件开发套件在资料中心内轻松加速关键HPC操作负载。
它是业界首个基于机器学习优化算法,以及先进的、面向团队协作的设计流程打造的 FPGA EDA 工具套件,借助基于机器学习的算法将 QoR 平均提升了 10%,并以模块化设计将编译时间平均缩短了 5 倍。今年 6 月,赛灵思发布了 Vivado ML 版。
相关资讯