hls4ml

收录理由

hls4ml 能把训练好的神经网络直接转换成 FPGA 固件。你只需把 Keras、PyTorch 或 ONNX 模型交给它，它就会生成高层次的综合 C++ 代码，之后用 Vivado HLS 或 Intel HLS 就能编译成比特流和 IP 核。这让微秒级、低功耗的推理成为可能，而网络往返延迟往往无法满足这类场景。它已在 CERN 的 L1 触发系统、量子计算控制回路、核聚变反馈以及卫星监测中得到实际应用。对于延迟、资源占用和功耗都敏感的 FPGA 部署，hls4ml 让你能精细调整量化和剪枝，并在吞吐量与延迟之间做取舍，最终设计贴合你实际使用的板卡。