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。
原文标题:基于机器学习的资源评估
文章出处:【微信公众号:TeacherGaoFPGAHub】欢迎添加关注!文章转载请注明出处。
-
IP
+关注
关注
5文章
1849浏览量
154920 -
机器学习
+关注
关注
66文章
8541浏览量
136236 -
Vivado
+关注
关注
19文章
846浏览量
70475
原文标题:基于机器学习的资源评估
文章出处:【微信号:Lauren_FPGA,微信公众号:FPGA技术驿站】欢迎添加关注!文章转载请注明出处。
发布评论请先 登录
使用NucleiStudio 2022.1创建工程时没有开发板可选择
vcs和vivado联合仿真
FPGA开发板vivado综合、下载程序问题汇总
AMD Vivado设计套件2025.1版本的功能特性
AMD Vivado ChipScope助力硬件调试
Vivado无法选中开发板的常见原因及解决方法
如何使用One Spin检查AMD Vivado Design Suite Synth的结果
Vivado 2018.3软件的使用教程
Vivado HLS设计流程
一文详解Vivado时序约束
Vivado FIR IP核实现
Vivado Design Suite用户指南: 设计分析与收敛技巧
Vivado Design Suite用户指南:逻辑仿真

Vivado 2022.1的新特性
评论