Vivado 2022.1已正式發布,今天我們就來看看其中的一個新特性。基于機器學習的資源評估對于Vivado IP Catalog中的IP,在2022.1之前的版本中我們只有在綜合之后才能看到其資源利用率。從資源評估的角度而言,信息是滯后的。Vivado 2022.1引入了基于機器學習的資源評估方法,在IP定制結束即可看到其資源使用情況。使用此功能需要首先勾選如下圖所示選項。
我們來看一個例子,打開FFT IP Core,填寫參數,即可在Resources下看到具體的資源利用情況,如下圖所示。
使用此方法,我們可以快速獲取IP的資源利用率,而不必等到對IP進行OOC綜合之后才能知道具體資源使用情況,這對于設計初期的資源評估很有意義。此外,此功能對于基于IPI(IP Integrator)的Block Design也是開放的。因此,對于BD中的IP也可以借助此功能快速獲取資源利用率。
原文標題:基于機器學習的資源評估
文章出處:【微信公眾號:TeacherGaoFPGAHub】歡迎添加關注!文章轉載請注明出處。
-
IP
+關注
關注
5文章
1718瀏覽量
149965 -
機器學習
+關注
關注
66文章
8438瀏覽量
133084 -
Vivado
+關注
關注
19文章
815瀏覽量
66889
原文標題:基于機器學習的資源評估
文章出處:【微信號:Lauren_FPGA,微信公眾號:FPGA技術驛站】歡迎添加關注!文章轉載請注明出處。
發布評論請先 登錄
相關推薦
Vivado Design Suite用戶指南: 設計分析與收斂技巧

Vivado Design Suite用戶指南:邏輯仿真

Xilinx_Vivado_SDK的安裝教程

每次Vivado編譯的結果都一樣嗎

vivado導入舊版本的項目,IP核心被鎖。
使用Vivado通過AXI Quad SPI實現XIP功能

Vivado使用小技巧

Vivado編輯器亂碼問題

淺談Vivado編譯時間

Vivado 使用Simulink設計FIR濾波器
Vivado編譯常見錯誤與關鍵警告梳理與解析
深入探索Vivado非工程模式FPGA設計流程

詳解Vivado非工程模式的精細設計過程

評論