nn_dataflow 项目使用教程

nn_dataflow 项目使用教程

nn_dataflowExplore the energy-efficient dataflow scheduling for neural networks.项目地址:https://gitcode.com/gh_mirrors/nn/nn_dataflow

1. 项目的目录结构及介绍

nn_dataflow/
├── nn_dataflow/
│   ├── core/
│   │   └── nn_dataflow.py
│   ├── nns/
│   ├── tests/
│   ├── tools/
│   │   └── nn_dataflow_search.py
│   ├── __init__.py
│   ├── gitignore
│   ├── pylintrc
│   ├── travis.yml
│   ├── CHANGELOG.md
│   ├── LICENSE
│   ├── MANIFEST.in
│   ├── README.rst
│   ├── requirements.txt
│   └── setup.py
├── .gitignore
├── pylintrc
├── travis.yml
├── CHANGELOG.md
├── LICENSE
├── MANIFEST.in
├── README.rst
├── requirements.txt
└── setup.py

目录结构介绍

• nn_dataflow/core/: 包含核心代码文件 nn_dataflow.py，负责神经网络数据流调度的实现。
• nn_dataflow/nns/: 定义了多个流行的神经网络结构，如 AlexNet、VGG-16、GoogLeNet、ResNet-152 等。
• nn_dataflow/tests/: 包含单元测试代码，用于验证工具的正确性。
• nn_dataflow/tools/: 包含可执行工具 nn_dataflow_search.py，用于搜索神经网络的最优数据流。
• __init__.py: Python 包的初始化文件。
• gitignore: Git 忽略文件配置。
• pylintrc: Pylint 代码风格检查配置文件。
• travis.yml: Travis CI 持续集成配置文件。
• CHANGELOG.md: 项目更新日志。
• LICENSE: 项目许可证文件。
• MANIFEST.in: 打包配置文件。
• README.rst: 项目介绍文档。
• requirements.txt: 项目依赖库列表。
• setup.py: 项目安装脚本。

2. 项目的启动文件介绍

nn_dataflow/tools/nn_dataflow_search.py

该文件是项目的启动文件，用于搜索神经网络的最优数据流。可以通过以下命令运行：

python nn_dataflow/tools/nn_dataflow_search.py -h

该命令将显示详细的使用选项，包括神经网络批量大小、字长、PE 阵列维度、瓦片节点数量、寄存器文件和全局缓冲区容量以及所有组件的能量成本等。

3. 项目的配置文件介绍

requirements.txt

该文件列出了项目运行所需的 Python 依赖库。可以通过以下命令安装这些依赖：

pip install -r requirements.txt

setup.py

该文件是项目的安装脚本，可以通过以下命令安装项目：

pip install .

或者在本地用户安装目录中安装（无需 sudo 权限）：

pip install --user -e .

pylintrc

该文件是 Pylint 代码风格检查的配置文件，用于确保代码风格的一致性。

travis.yml

该文件是 Travis CI 持续集成配置文件，用于自动化测试和部署。

LICENSE

该文件是项目的许可证文件，遵循 BSD 许可证。

README.rst

该文件是项目的介绍文档，包含了项目的概述、安装方法、使用说明等信息。

nn_dataflowExplore the energy-efficient dataflow scheduling for neural networks.项目地址:https://gitcode.com/gh_mirrors/nn/nn_dataflow