<font color="#FF8000">作者：ActiveWizards；机器之心编译</font>
本文概述和比较了最流行、最有用的自然语言处理库，包含 NLTK、spaCy、scikit-learn、gensim、Pattern、polyglot。
现在自然语言处理（NLP）变得越来越流行，这在深度学习发展的背景下尤其引人注目。NLP 是人工智能的一个分支，旨在从文本中理解和提取重要信息，进而基于文本数据进行训练。NLP 的主要任务包括语音识别和生成、文本分析、情感分析、机器翻译等。
<strong>简介</strong>
这是学习SDSoc的第二个入门实验，通过EMIO点亮连接在PL上的8个LED。与上一个实验不一样，在这一个实验中，由于ZedBoard平台中没有使能EMIO，因此想直接通过SDSoc编写程序驱动MIO是不行的，所以这一个实验需要自己搭建包含EMIO的平台。
我用的是ZedBoard开发板，SDSoc2017.4。
本文是该系列的第7篇。第2篇中以数字滤波器的设计为主题，介绍了System Generator的完整设计流程。不过仍然有些问题需要解决：
1. 如何选择一个最合适的数据类型（以最少资源达到性能需求）？
2. 如何选择系统的输出位宽（保证信号不失真）？
传统的HDL模型设计方法中，博主通常会用MATLAB进行仿真，确认位宽对数据量化的影响；或在Vivado中仿真，截取合适的滤波器输出位数。System Generator提供的相关特性可以大大简化该流程，本文将对此做介绍。
赛灵思一直是业界主要的 ADAS 传感器方案供应商之一。比如，在前置摄像头方面我们拥有超过 38% 的市场份额。ADAS 系统正在不断的发展和进化，随着 NCAP 等政策法规和标准的推动之下，汽车正从辅助驾驶向自动驾驶过渡，这一趋势就要求更好的相机分辨率、更低的 LiDAR 成本以及响应更迅速，计算能力更强大的信号处理芯片。另外，机器学习以及 AI 的发展将大大加速自动驾驶技术的成熟。赛灵思的 FPGA/SoC 在数据预处理、路径规划、传感器融合和计算加速方面有着得天独厚的优势，因此，基于赛灵思的技术将能帮助机器学习及 AI 更快地部署在汽车应用中，成为构建安全自动驾驶汽车的重要组成部分。
在本次直播课程当中，我们将向您详细讲解及演示基于赛灵思的加速方案是如何帮助客户实现从传统 ADAS 方案演变为更多基于机器学习和 AI 的自动驾驶的。
<font color="#FF8000">作者：OpenS_Lee</font>
<strong>1背景知识</strong>
在我们的FPGA设计项目中，硬件的诊断和校验可能会占去超过30%—40%的FPGA开发时间，FPGA的debug也是FPGA设计中重要的一环。掌握并灵活运用FPGA设计工具的debug功能也是加快FPGA设计的关键。
<strong>1.1 ILA(Integrated Logic Analyzer)</strong>
最近想必很多人工智能（AI）界小伙伴的朋友圈，都会被一则新闻刷屏：国内AI初创公司深鉴科技被全球排名第一的FPGA公司赛灵思（Xilinx）收购，尽管各方都没有披露收购的财务细节，不过据称先前深鉴科技的估值就已经达到了10亿美元。
为什么这家成立刚刚两年的公司，就可以成为令人羡慕的AI独角兽？其中有很多原因，不过从技术的角度来说，很大程度上这是因为他们在创业之初做对了一件事——选择FPGA作为AI梦想的支点。
<strong>支持算法迭代</strong>
大家都知道AI的ABC三要素——算法（A）、大数据（B）和算力（C）。为让人工智能算法基于大数据释放出最大的能量，就必须有强大的硬件计算平台做支撑。目前我们可用的硬件平台架构主要是CPU、GPU、FPGA和ASIC这几种。
Vivado：2016.4
Linux：Ubuntu16.4
ZYNQ：xc7z020
下载文件名称
2016.4-zed-release.tar.xz
device-tree-xlnx-xilinx-v2016.4.zip
linux-xlnx-xilinx-v2016.4.zip
u-boot-xlnx-xilinx-v2016.4.zip
arm_ramdisk.image.gz
一、环境搭建
<strong>简介</strong>
在XILINX官网上看见了一些SDSoc的介绍视频，感觉这个工具很强大，我之前也有一点点VIVADO+HLS的学习经历，感觉会为学习SDSoc提供一些帮助，所以就尝试学习学习。
先从最基础的点亮一个LED入手，通过对官方资料的学习，惊奇的发现官方给的例程都是对算法加速，而没有一些入门例程，比如说点亮一个LED（可能是太简单了官方不屑说，也有可能是我没找到）。
我用的是ZedBoard开发板，SDSoc版本2017.4，Win10 64位系统。这个例子是我用ZedBoard开发板点亮一个直接连在MIO7上的LD9。
<strong>描述</strong>
UltraScale+ GTH 可实现实时无中断眼扫描。用户可同时接受数据并查看平衡信号眼扩展，以实现在不丢失一个比特位的情况下，全面控制 BER 及信号裕量。
所需的大多数信息都可在 (UG576) UltraScale 及 UltraScale+ GTH 的 RX 裕量分析中找到。
本答复记录将向您介绍一个逐步运行手动眼扫描的简单案例。
<strong>解决方案</strong>
IBERT 中已实现眼扫描特性，其中 GUI 有助于完成眼扫描的简单定制而且 IBERT 可自动驱动眼扫描。
眼扫描程序在 IBERT 外部实现时，例如与用户应用平行，我们可以参考“手动眼扫描”。
