本演讲视频将介绍从云到边缘的 Xilinx 全新统一 AI 平台。视频将涵盖通过剪枝器、量化器、编译器和运行时的基本工具流程，以直接从TensorFlow 等框架实现 AI 推断。
Xilinx的针对Gigabit应用的FPGA基本都会集成一些高速串行接口，统称为Gigabit Transceiver（GTx），包括GTP、GTR、GTX、GTH、GTZ、GTY（传输速率不断增加）等，不同系列的FPGA集成的GTx不同。
For 循环是解决问题的瑞士军刀，但是，当需要浏览代码以快速阅读你所做的事情时，它们可能会让人不知所措。有三种技术 — map、filter 和 reduce — 可以通过描述如何进行迭代来代替 for 训练。JavaScript 中也有这些技术，但是在 Python 中的实现略有不同。
所有市场的安全性都变得越来越重要。 在Zynq®UltraScale +™平台上使用受信任的执行环境（TEE），通过将安全关键元素与系统的其余部分隔离开来，可以提供主要的安全优势。
在xdc文件中，按约束的先后顺序依次被执行，因此，针对同一个时钟的不同约束，只有最后一条约束生效。虽然执行顺序是从前到后，但优先级却不同；就像四则运算一样，+-x÷都是按照从左到右的顺序执行，但x÷的优先级比+-要高。
在本视频中，您将了解使用 Versal ACAP 器件进行 AI 推断的优势，以及如何将神经网络模型映射至异构架构 - 包括 AI 引擎、自适应引擎和标量引擎。课程还将介绍支持直接从 TensorFlow 等行业标准框架进行 AI 模型推断的软件堆栈。
“算力”在未来，就像当年的蒸汽机、电力一样，俨然已经是生产力发展的核心要素，也就是说，谁拥有超越别人的“算力”，谁就会拥有更高的生产力和效率，谁也就能在创新上实现真正的突破，成为推动产业和时代进步的原动力。所以“算力”会和“原力”一样成为人们期望拥有的能力。
12月4日，伴随最后一场动手实验室的结束，2019 赛灵思开发者大会（XDF）在北京正式落下帷幕。通过两个多月的时间，赛灵思致力于将强大的自适应技术带给现场和没能到场的所有开发者，无论是软件工程师，还是AI科学家。- 自即日起，请关注赛灵思官微， 及时获取各种内容的下载及解读。
在上一篇文章中，我们简要介绍了更高层次的问题，这些问题为优化加速器的需求奠定了基础。作为一个尖锐的问题提醒，现在让我们通过一个非常简单的图像分类算法，来看一看与之相关联的计算成本与功耗。
在 2014 年，斯坦福大学教授 Mark Horowitz 发表了一篇题目为“计算的能源问题（以及我们该怎么办）”的论文。 如果可以的话，我想借用并改编一下 Mark 的论文标题，这样我就可以就机器学习推断应用为什么应该考虑专用硬件，分享一下我的一些观点。
我们即将跨过令人激动的 2019 年，迈入崭新的 2020 年，在这新旧交叠之际，赛灵思诚挚地感谢各位用户的支持和关注。我们也将一如既往地为广大创新者提供源源不断的驱动力和平台工具，齐心协力，为打造灵活应变、万物智能的世界而努力！
12 月 12 日，在电子发烧友举办的第四届中国 IoT 创新奖颁奖典礼上，赛灵思总裁兼 CEO Victor Peng 荣膺“企业杰出 CEO 奖”。收获这一业界荣誉的背后，是 Victor 在 2019 年带领赛灵思所取得的一系列重大成就最好的注脚......
因为ZYNQ 的PS 和PL 部分的电源有上电顺序的要求，在电路设计中，按照ZYQN 的电源要求设计，上电依次为1.0V -> 1.8V -> 1.5 V -> 3.3V -> VCCIO
Adaptable Intelligence:From RF to the Core——灵活应变的智能：从射频到核心网 BY Liam Madden | 执行副总裁&有线及无线事业部 (WWG) 总经理
