羽球小鼠的博客

xint​clipsx​z02b−11把浮点数先按步长s缩放、再加零点偏移z，最后截断到可表示的整数范围（这里用的是无符号02b−1xsxint​−z2把整数还原回近似的浮点值（xszs2b−1xmax​−xmin​​z⌊−sxmin​​⌋3这样选能让xmin​约映射到 0、xmax​约映射到2b−1，同时保证x0附近对齐到整数z。

在深度感知卷积中，模型会根据像素间的深度相似性加权计算卷积操作，以此来保留结构性和细节信息，特别是在深度信息一致的区域。

AXI4-Stream 按顺序把新像素从右侧送入（虚线箭头，正在进入的是 23、24、25），缓存里的数据整体向左“移位”。（绿色块），与 3×3 卷积核的 9 个系数并行相乘，再经过加法树求和，得到新的输出像素（图中标成 N2）。此刻选中的 3×3 为像素 {2,3,4 / 11,12,13 / 20,21,22}。一句话：图示的是一个随输入像素流滚动的三行缓存，它不断滑动3×3窗口，支持九值并行乘加，从而高效地产生连续的卷积输出。上半部分是一个按行扫描输入的图像块（示例为 9×9，编号 1–81）。

将十进制数转换成二进制定点数，可以用于将神经网络模型部署至FPGA时对于参数的量化过程

top-k神经网络模型剪枝

浮点数转换为IEEE 754 格式二进制（用于模型部署）