hls4ml

项目介绍

hls4ml 是一个专为在 FPGA 上进行机器学习推理的项目。这个项目通过高层次综合语言（HLS）将机器学习算法实现为固件，能够将传统的开源机器学习包模型翻译为 HLS，以便根据实际应用场景定制化配置。

文档与教程

hls4ml 项目为用户提供了详细的使用文档和教程。用户可以通过官方网页获取更多信息，还可以通过教程来学习如何使用 hls4ml 的各种功能。

安装指南

用户可以通过以下命令来安装 hls4ml：

pip install hls4ml

若需要安装额外的性能分析依赖，可以使用：

pip install hls4ml[profiling]

快速上手

创建 HLS 项目

下面是一个基本的 HLS 项目创建示例：

import hls4ml

# 从示例库中获取一个 Keras 模型
config = hls4ml.utils.fetch_example_model('KERAS_3layer.json')

# 打印配置以查看默认参数
print(config)

# 将其转换为 HLS 项目
hls_model = hls4ml.converters.keras_to_hls(config)

# 打印完整的示例模型列表以作进一步探索
hls4ml.utils.fetch_example_list()

使用 Xilinx Vivado HLS 构建项目

注意：当前不支持 Vitis HLS，推荐使用 2018.2 到 2020.1 版本的 Vivado HLS。

# 使用 Vivado HLS 合成模型
hls_model.build()

# 需要时打印报告
hls4ml.report.read_vivado_report('my-hls-test')

引用

如果在自己的出版物中使用了此软件，请引用以下内容：

@software{fastml_hls4ml,
  author       = {{FastML Team}},
  title        = {fastmachinelearning/hls4ml},
  year         = 2023,
  publisher    = {Zenodo},
  version      = {v0.8.1},
  doi          = {10.5281/zenodo.1201549},
  url          = {https://github.com/fastmachinelearning/hls4ml}
}

同时还有具体技术功能的引用信息。请根据实际使用的特性进行引用。

致谢与资助

hls4ml 项目受到了多方资助与支持，包括美国国家科学基金会（NSF）、美国能源部（DOE）科学办公室和欧洲研究委员会（ERC）。项目感谢所有为项目开发做出贡献的合作伙伴和多领域专家。对于从我们的社区中受益的个人，恳请在您的出版物中致谢 Fast Machine Learning 团队及其对项目发展做出重要贡献的相关个人。