在Vivado Design Suite中，Vivado综合能够合成多种类型的属性。在大多数情况下，这些属性具有相同的语法和相同的行为。

•如果Vivado综合支持该属性，它将使用该属性，并创建反映已使用属性的逻辑。

•如果工具无法识别指定的属性，则Vivado综合会将属性及其值传递给生成的网表。

赛灵思 Alveo™ 数据中心加速器卡专为满足现代数据中心变幻莫测的需求而设计。对于常规工作负载，与 CPU 相比性能提升高达 90 倍，这其中包括机器学习推断、视频转码和数据库搜索与分析。由于复杂算法的发展速度快于半导体设计周期，因此功能固定的 GPU和 ASIC 器件已经无法跟上发展步伐

本文主要讲解 Python 的 5 种高级特征，以及它们的用法。

本视频介绍了 Vivado HLS 工具从 C 语言设计中抽象出来的端口级协议。

数字电路中，电路通过复位来启动，复位犹如数字电路的“起搏器”，主要有下面三种方式

在3月中旬于圣何塞举办的“开放计算峰会”上，赛灵思和 Solarflare 共同演示全 FPGA 100G NIC。这是一款完全基于赛灵思 FPGA 技术的高性能单芯片解决方案。本概念验证演示的是开发先进 SmartNIC 的关键跳板，它能够直接在网络接口卡上运行网络、存储和计算加速功能，从而无需在服务器上运行这些工作负载

来自苏格兰斯特拉斯克莱德大学（University of Strathclyde）的Louise Crockett团队基于这一平台的软件和硬件结构，撰写了Exploring Zynq MPSoC: With PYNQ and Machine Learning Applications，综合且全面地介绍了软件堆栈、多处理器处理系统以及可编程硬件阵列等问题。 本书既是使用Zynq MPSoC的开发人员的实用指南，同样也是希望熟悉器件及其相关设计方法的技术人员的有效参考。

说起FPGA（Field－Programmable Gate Array），即现场可编程门阵列， 本是硬件工程师才能玩转的半导体芯片，而今却随着工艺的进步和当今人工智能（AI）时代的发展和数据的爆炸性发展，一举跻身三大处理器主流芯片：FPGA,CPU,GPU。 )之一

Xilinx的MPSoC系列芯片的部分型号提供了Video Codec Unit，可用于H.264/H.265格式视频的编解码。想要用起来Video Codec Unit需要花一番功夫，大体有三步：硬件层比特流的搭建，驱动层Linux内核+驱动的编译以及rootfs制作，应用层编译

本文将介绍PS部分GPIO中MIO的使用。本文先通过一个控制LED闪烁的实例体会MIO的用法，学习GPIO相关结构体与API函数的使用；然后再系统讲解GPIO的相关概念。

由 Xilinx Zynq 助力、基于 Octopus 软件无线电（SDR）平台的 InfiNet Quanta 5 在移动世界大会首次亮相演示。

<iframe src='//players.brightcove.net/17209957001/SywTPUVC_default/index.html?videoId=6015795733001' allowfullscreen frameborder=0 width="600" height="400"></iframe>

Modelsim代码覆盖率功能Code coverage，能报告出statement（语句）、branch（分支）、condition（条件）、expression（表达）、toggle（信号翻转）、fsm（有限状态机）等多种覆盖率情况

AI的三大关键基础要素是数据、算法和算力。随着云计算的广泛应用，特别是深度学习成为当前AI研究和运用的主流方式，AI对于算力的要求不断快速提升。以GPU、FPGA、ASIC为代表的AI芯片，是目前可大规模商用的技术路线，是AI芯片的主战场，本文以下主要讨论的就是这类AI芯片。

在本文中，我们将研究从数据集中选择特征的不同方法;同时通过使用Python中Scikit-learn (sklearn)库实现讨论了特征选择算法的类型

深入介绍高层次综合及 Vivado HLS 工具的基础知识。
<iframe src='//players.brightcove.net/17209957001/SywTPUVC_default/index.html?videoId=6024846979001' allowfullscreen frameborder=0 width="600" height="400"></iframe>

直方图统计在图像增强和目标检测领域有重要应用，比如直方图均衡，梯度直方图。直方图的不同种类和统计方法请见之前的文章。本章就是用FPGA来进行直方图的计算，并且利用FPGA的特性对计算过程进行加速。安排如下

作为此次大赛的FPGA平台的提供商和赞助商之一，为了让大家在竞赛中能够试用到赛灵思最前沿的产品和技术，赛灵思公司中国学术界团队宣布，将从去年的开放两个平台试用支持升级为提供4个平台支持。而且所有四大平台，均为赛灵思当前业界最新的和最受欢迎的开发平台，支持应用涵盖数据中心、人工智能及各种嵌入式设计

xilinx7系列FPGA主要包括：Spartan®-7、Artix®-7、Kintex®-7、Virtex®-7。其性能/密度/价格也随着系列的不同而提升。Spartan7系列是7系列中的屌丝青年，拥有最低的价格、最低的功耗、最小的尺寸以及最低的设计难度，一些低端应用中极为合适。

在这篇文章中，我们首先对一个典型的循环神经网络模型的核心部分进行快速浏览。然后我们将设置问题陈述，最后我们将从零开始用Python构建一个循环神经网络模型解决这些问题陈述。

观看本视频，了解和学习 Vivado System Generator for DSP 2018.3 版本中全新的超级采样率模块集（SSR）。它提供了与 Matlab 和 Simulink 集成的设计流程，以加速 Zynq UltraScale+ RFSoC 器件上高速 DSP 应用的设计和实现。