文件名称：Matlab代码生成fpga-Deep-Learning-implementaion-on-FPGA-using-MATLAB:该存储库包含可
文件大小：15.57MB
文件格式：ZIP
更新时间：2024-06-17 08:33:01
系统开源
Matlab代码生成fpga 使用MATLAB的FPGA深度学习实现 该存储库包含用于对MNIST数字进行分类的MATLAB代码，可用于生成simulink模型和HDL代码以在FPGA上实现。 由于HDL代码生成器无法从MATLAB的神经网络工具箱生成代码，因此我使用简单的MATLAB函数编写了此MATLAB脚本，这些函数可用于使用HDL编码器生成HDL代码。 注意：npy-matlab文件夹已从以下网站获取：自训练模型以来，已在ipython笔记本Training_MNIST_digit.ipynb上对数据进行了预处理，以加载.npy文件。 我提供了10个随机样本。 您可以将X（1，：，:)更改为X（1:10，：，:)以获取所有10个样本的输出。 或者，您也可以通过使用Training_MNIST_digit.ipynb笔记本创建它们（预处理MNIST数据）来加载更多样本。 在运行main.m脚本之前，请在命令窗口中运行以下命令： addpath（'npy-matlab'）; 保存路径; 输出= main（X_test（1，：，:)，conv2d_1_kernel，conv2d_1_
【文件预览】：
Deep-Learning-implementaion-on-FPGA-using-MATLAB-master
----VHDL_Verilog_codes()
--------Conv2D_temp_fixpt.vhd(7KB)
--------Conv2D_temp_fixpt_tb_pkg.vhd(5KB)
--------ReadMe.md(1B)
--------Corresponding_MATLAB_codes()
--------Conv2D_temp_fixpt.v(3.09MB)
--------Conv2D_temp_fixpt_pkg.vhd(1KB)
--------resource_report.html(1.22MB)
--------Conv2D_temp_fixpt_tb.vhd(1.33MB)
--------Conv2D_temp_fixpt_hdl_conformance_report.html(7KB)
----main.m(645B)
----input_data.npy(31KB)
----input_data1.npy(31KB)
----ResNet-50()
--------ResNet_50_training.ipynb(63KB)
--------resnets_utils.pyc(4KB)
--------Resnet.json(82KB)
--------datasets()
----Conv2D.m(3KB)
----load_data.m(799B)
----npy-matlab()
--------readNPY.m(878B)
--------constructNPYheader.m(3KB)
--------readNPYheader.m(2KB)
--------writeNPY.m(470B)
--------datToNPY.m(1KB)
----model_digit.h5(4.6MB)
----MaxPool2D.m(668B)
----LICENSE(1KB)
----Softmax.m(355B)
----model_digit.json(3KB)
----Training_Notebook()
--------MNIST_Digit_classifier_training.ipynb(101KB)
----output_data.npy(528B)
----README.md(1KB)
----DL2HDL_implemntation()
--------ReadMe.md(267B)
--------pytorch1.pt(1.05MB)
--------Pytorch_dl2hdl.ipynb(45KB)
----PyTorch_model()
--------ReadMe.md(180B)
--------pytorch1.pt(1.05MB)
--------Pytorch_training_model.ipynb(18KB)
----Simulink model()
--------Conv2D_sim.slx(28KB)
--------Conv2D_sim.slxc(5KB)
----Flatten.m(446B)