fastmachinelearning/hls4ml

这是什么？

核心功能

• 01将 Keras、PyTorch 和 ONNX 模型转换为 HLS 工程。
• 02支持 Vivado、Vitis、Intel、Catapult 和 Altera 等多种 HLS 后端。
• 03通过配置文件调整生成设计的参数。
• 04提供工程综合构建步骤，并可读取综合报告。
• 05可通过 pip 或 conda-forge 安装。

适用场景

• 在 FPGA 硬件上部署神经网络，用于实时触发判断。
• 在嵌入式 FPGA 板卡上运行低延迟控制或信号处理模型。
• 在确定硬件设计前，评估训练好的模型在 FPGA 资源上的映射情况。

快速上手

1. 1

   从 PyPI 安装 hls4ml

   pip install hls4ml
2. 2

   获取示例 Keras 模型及其配置

   import hls4ml
3. 3

   将模型转换为 HLS 项目

   hls_model = hls4ml.converters.keras_v2_to_hls(config)
4. 4

   使用 Vivado HLS 或其他受支持的 HLS 工具构建项目

   hls_model.build()

使用前须知

• !生成的固件构建需要单独安装 Vivado HLS、Vitis HLS 或 Intel HLS 等 HLS 工具链。
• !仅面向 FPGA 推理，不用于通用模型训练或执行。

标签

常见问题

hls4ml 是什么？

一个 Python 工具包，可将 Keras、PyTorch 和 ONNX 神经网络转换为 HLS 代码，用于在 FPGA 上运行机器学习推理。 hls4ml 将训练好的机器学习模型翻译为高层次综合（HLS）代码，生成 FPGA 固件。用户从常见框架中的模型出发，通过配置文件生成 HLS 工程，再使用受支持的厂商工具链编译出硬件实现。

hls4ml 可以免费使用吗？用的什么许可证？

hls4ml 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。

hls4ml 还在维护吗？

活跃维护中。hls4ml 最近一次提交是在 2026年11月4日。

hls4ml 适合用来做什么？

在 FPGA 硬件上部署神经网络，用于实时触发判断。 在嵌入式 FPGA 板卡上运行低延迟控制或信号处理模型。 在确定硬件设计前，评估训练好的模型在 FPGA 资源上的映射情况。

hls4ml 怎么安装和运行？

从 PyPI 安装 hls4ml: pip install hls4ml 获取示例 Keras 模型及其配置: import hls4ml 将模型转换为 HLS 项目: hls_model = hls4ml.converters.keras_v2_to_hls(config) 使用 Vivado HLS 或其他受支持的 HLS 工具构建项目: hls_model.build()

在哪里获取 hls4ml？

源代码和安装说明在 GitHub 上：https://github.com/fastmachinelearning/hls4ml