基于机器学习的资源评估

Lauren的FPGA

发布于 2022-08-23 19:05:41

3080

发布于 2022-08-23 19:05:41

Vivado 2022.1已正式发布，今天我们就来看看其中的一个新特性。

基于机器学习的资源评估

对于Vivado IP Catalog中的IP，在2022.1之前的版本中我们只有在综合之后才能看到其资源利用率。从资源评估的角度而言，信息是滞后的。Vivado 2022.1引入了基于机器学习的资源评估方法，在IP定制结束即可看到其资源使用情况。使用此功能需要首先勾选如下图所示选项。

我们来看一个例子，打开FFT IP Core，填写参数，即可在Resources下看到具体的资源利用情况，如下图所示。

使用此方法，我们可以快速获取IP的资源利用率，而不必等到对IP进行OOC综合之后才能知道具体资源使用情况，这对于设计初期的资源评估很有意义。此外，此功能对于基于IPI（IP Integrator）的Block Design也是开放的。因此，对于BD中的IP也可以借助此功能快速获取资源利用率。

文 | Teacher Gao 图 | Teacher Gao

转载事宜请私信 | 获得授权后方可转载

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2022-06-09，如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 FPGA技术驿站微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

登录后参与评论

0 条评论

热度