R-Car DNN Simulator

深度学习模型R-Car程序快速模拟器

深度学习推理需要庞大的运算量和内存使用量。为了在R-Car之类的车载SoC上执行实时处理，需要高效运算。这种效率化的对象之一就是在量化（转换为整数运行）深度学习模型权重等参数后再使用参数。整数运算会导致用户的神经网络模型和实际硬件输出在识别结果上产生一些差异。但即使用户没有准备硬件，也可使用R-Car DNN Simulator查看识别结果的差异。此外，与传统的指令集模拟器（ISS）不同，这里不重现每个H/W指令，而只重现输出数据，因此相对于ISS运行速度可快大约10倍，并可应用于大量图像的精度评估。此外，由于可以检查各层的输出，它还可应用于以提高精度为目的的调试。