基于机器学习的资源评估Adolph2年前更新30 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。
![图片[1]-基于机器学习的资源评估-FPGA新闻资讯社区-FPGA CPLD-ChipDebug](http://chipdebug.com/wp-content/uploads/2022/10/51665226672.png)
![图片[2]-基于机器学习的资源评估-FPGA新闻资讯社区-FPGA CPLD-ChipDebug](http://chipdebug.com/wp-content/uploads/2022/10/01665226672.png)
没有回复内容