분류 전체보기

무언가를 배울 때 개념을 쌓고 가는 것도 좋지만, 가장 빠르게 배울 수 있는 방법은 따라하는 것이다. Chipverify에서 제공하는 예시를 따라하며 UVM에 대해 배워보자.UVM 기반 Simulation은 다음 과정을 거치게 된다.clk 생성 DUT와 interface 연결 UVM 환경에 인터페이스 등록 (uvm_config_db) base_test 실행 → UVM 시나리오 작동 $dumpvars로 waveform 기록 (디버깅용) module tb_top; import uvm_pkg::*; // Complex testbenches will have multiple clocks and hence multiple clock // generator modules that will be insta..

CPU Course Review - 06. TestBench Revision1. TitleFull TestBench in System Verilog2. Category"System Verilog", "BASYS3", "VIVADO" 3. Key ConceptsMonitor, Scoreboard 4. Setup모니터(monitor), 스코어보드(scoreboard)를 추가적으로 구현하여 Full TestBench를 구현한다. 5. Codesalmon1113.tistory.com위 과정에서 UVM과 유사한 환경을 구성하여 Testbench를 작성해보았다. 본 게시글에서는 Chipverify 사이트 내용을 참고하여 UVM에 대해 본격적으로 공부해보고자한다.https://www.chipverify.com/tu..

최근 Nextchip의 APACHE5 플랫폼을 활용한 실습을 진행하면서, Embedded Linux와 FPGA가 결합된 환경을 실제로 경험하게 되었다.결국 실제로 동작하는 하드웨어 로직은 대부분 OS와 함께 구동되는 구조라는 것을 느끼게 되었고, RTL 엔지니어는 자신이 설계한 블록이 리눅스 시스템 내에서 어떻게 인식되고, 어떻게 제어되는지를 이해할 필요가 있다고 느껴 Embedded Linux에 대한 공부를 시작하고자 한다.임베디드 리눅스 자동차 분야 전문가 로드맵 1주차: 리눅스 시스템 구조와 부트 과정 이해학습 개념:임베디드 리눅스 시스템은 전원을 켠 후 부트 ROM → 1차 부트로더 → 2차 부트로더 → 커널 → 루트파일시스템 초기화의 다단계 부트 과정을 거칩니다. 일반적인 임베디드 하드웨어에서는..

1. AlexNet (Multi GPU, Data Augmentation)AlexNet은 2012년 ImageNet 대회에서 압도적인 성능 향상을 보여준 모델로, CNN이 부활하는 계기가 되었음. * Multi-GPU Training 당시 GPU 메모리 한계로 인해 네트워크를 두 개의 GPU에 병렬 분산해 학습. -> 레이어를 나눠서 각각의 GPU에서 계산하고, 일부 레이어는 동기화함. -> 병렬 컴퓨팅 도입으로 학습 시간 단축.* Data Augmentation 훈련 데이터에 랜덤 크롭, 좌우 반전, 밝기 변화 등의 변형을 추가해 모델이 더 일반화되도록 학습시킴. -> Overfitting 감소 + 더 다양한 feature 학습 가능2. Sigmoid -> ReLU기존 CNN에서는 Sigmoid, t..

1. FCN에서 CNN(LeNet)으로기존 FCN은 입력 이미지를 1차원 벡터로 Flatten 해서 처리했기 때문에, 이미지의 공간적 정보(위치, 구조 등) 를 전혀 활용하지 못했다. 따라서 공간 구조를 보존하면서 특징을 추출할 수 있는 모델, CNN이 등장하게 되었고, 그 대표적인 초기 구조가 바로 LeNet-5이다.2. LeNet의 도입 이유이미지의 공간적 패턴을 활용하기 위함파라미터 수를 줄이기 위한 weight sharing위치에 덜 민감한 특징 추출 (Pooling) Convolution -> Edge, shape, texture와 같은 특징을 자동으로 학습 Pooling -> 불필요한 정보 축소 및 연산량 감소Fully Connected -> 최종 분류3. LeNet 구조 # Input: 1x..