深度学习

将CNN和RNN两种不同模式的深度学习神经网络同时运行在Versal® AI Core VC1902平台上。

将面向专门用于卷积神经网络的可编程引擎DPU，并基于边缘端MPSOC器件（以官方ZCU104平台为例），引领开发者快速搭建基于Vitis AI的DPU开发环境

Xilinx AI团队核心成员严丹在首届“英特尔创新大师杯”深度学习挑战赛比赛通用场景中文OCR文本识别任务中，通过两阶段网络结构，融合基于分割和基于Mask RCNN的检测模型预测结果，在复赛测试集上获得75.34的高分, 取得冠军。

本视频介绍了深度学习算法在赛灵思7nm Versal板卡上的优化与部署

鉴于DNN 在研究和技术方面的巨大投资，很明显，DNN 作为首选解决方案的适用范围，将会继续迅速扩大。然而，在可预见的未来，许多应用将通过传统技术（包括其他形式的机器学习）或通过深度学习和传统算法的组合，来获得最好的解决方案。接下来，我们就一起了解一下，深度学习在机器视觉中的典型应用。

赛灵思宣布推出全功能医疗 X 射线分型深度学习模型和参考设计套件，这是赛灵思与 Spline.AI 及亚马逊网络服务（AWS）强强携手共同取得的合作成果。这种高性能模型部署在赛灵思 Zynq® UltraScale+™ MPSoC ZCU104 器件之上，并采用了赛灵思深度学习处理器单元（DPU）。该 DPU 是一种软 IP 张量加速器，它的强大功能足以支持运行各种神经网络

深度学习的突飞猛进，给GPU插上了腾飞的翅膀，英伟达和AMD的显卡成为人工智能的「硬通货」。但是GPU固有的一些缺陷，让它的大规模应用受到约束，更加抗造的FPGA有望成为AI新的「底层建筑」