深度神经网络（deep nearal network）是机器学习发展20年来取得的最大突破，比如在语音识别方面，相比于传统方法，其将错误率降低了30%；而在2011年的图片识别竞赛上，将错误率从26%降低到3.5%，这些使得处于发展低谷的人工智能突然热门起来，从学术界扩展到工业界，甚至在google的alpha go击败了顶级围棋大师李世石后，人工智能成为全民讨论的热门，所有的程序员都梦想转行机器学习

自比特币诞生之后，PoW挖矿作为最主流的共识机制已经运行了十年有余，而近年来由于挖矿造成的巨大能源消耗、算力逐渐集中于几大矿池而趋向中心化，以及挖矿设备相对较高的准入门槛使得越来越多的人转向新的共识机制，如PoS、DPoS、PoC等等

UltraRAM 原语（也称为 URAM）可在 Xilinx UltraScale +™ 架构中使用，而且可用来高效地实现大容量深存储器。URAM 原语具有实现高速内存访问所需的可配置流水线属性和专用级联连接。 流水线阶段和级联连接是使用原语上的属性来配置的。 本篇博文描述的是通过将 URAM 矩阵配置为使用流水线寄存器来实现最佳时序性能的方法。

使用逻辑回归、K 均值和交替最小二乘法加速您的 Apache Spark 应用。 AML 是 InAccel 的加速机器学习库。旨在维护其它开源框架（如 Apache Spark）简单易用的实用接口，同时加速机器学习模型的训练环节。现在 AML 拥有所有所需的库，可训练您的逻辑回归和 Kmeans 模型

Xilinx的FIR的COE文件应该是这样的：

fileID = fopen('fir_h.coe','w');
fprintf(fileID,'%s\n%s\n','radix=10;','coefdata=');
fprintf(fileID,'%.0f,\n',h);
fclose(fileID);

无线​设备​和​其​处理​的​数据​量​每年​都​呈​指数​递增​(53% 复合​年​增长​率​。​随着​这些​设备​产生​并​处理​的​数据​量​越来越​多，​连接​这些​设备​的​无线​通信​基础​设施​也​必须​持续​发展​才能​满足​需求。​如​图 1 所​示，​4G 网络​频​谱​效率​的​提高​已经​不足​以​提供 3GPP[2] 定义​的​三大​高级 5G 用例​所需​数据​速率​的​阶梯​函数​了

Verilog HDL (Hardware Description Language) 是一种硬件描述语言，可以在算法级、门级到开关级的多种抽象设计层次上对数字系统建模。它可以描述设计的行为特性、数据流特性、结构组成以及包含响应监控和设计验证方面的时延和波形产生机制

3D 打印领域正在材料与工艺、速度与复杂性，以及从制造商到大规模制造的商业模式等多个领域迅速发展。Xilinx SoC 和 FPGA 可为 3D 打印机设计人员和最终用户提供大量决定性优势

为了使相关传输被CCI监听，需要设置寄存器lpd_apu的最低两位为1，而且必须在A53处于复位态时设置。我们利用MPSoC BootROM在加载时设置寄存器lpd_apu。
为了用MPSoC BootROM在加载时设置寄存器lpd_apu，需要准备寄存器初始化文件，并且使用寄存器初始化文件创建启动文件boot.bin

做图像处理没有显示怎么能行，所以用两章来介绍HDMI的协议以及编码实现。HDMI的编码，仿真和调试会花费较长时间，特别是第一次在windows环境下部署UVM环境，对于刚刚入门UVM的我来说，这块也花费了很长时间。截止目前设计和仿真的代码都已经做完。所以这章主要介绍HDMI的协议以及设计的架构，之后再用一章来介绍HDMI的实现和驱动编写

当下，数字经济蓬勃发展，作为驱动数字经济发展的技术推动力——5G和AI也在不断革新。作为FPGA的发明者，赛灵思公司将企业使命定位为“打造灵活应变，万物智能的世界”，致力于通过公司的转型和全新类型产品的打造，赋能所有的创新者以高性能且灵活应变的智能计算平台，加速其创新事业

近期有大量面向软件定义无线电 (SDR) 应用设计的新型 RF 采样数据转换器被开发出来，但是传统数据转换器使用的参数不能完整地特征化 RF 采样转换器。白皮书将一并介绍传统数据转换器和新型 RF 采样数据转换器的规格，同时提出适用于 RF 采样转换器的参数。

本指南适用于希望使用 SDAccel 开发环境创建 FPGA 加速应用程序的软件开发者和 RTL 设计师。它向开发者介绍了基于 FPGA 加速的基本概念，并描述了以最佳性能加速应用程序的逐步方法。

2019 年 6 月 26 - 28 日，上海新国际展览中心汇聚了来自海内外最顶尖的通信设备和方案商。在这里 5G 成为最热门的话题。各种基于 5G 的方案和应用层出不穷，小编知道有很多朋友由于各种原因与此次盛会错过了。但是现在不用遗憾了，你们可以动动手指即可了解到赛灵思面向 5G 无线通信最新的两大应用演示

<strong>ML Suite V1.4 更新</strong>

赛灵思机器学习套件（ML Suite） v1.4 已于 5 月 24 日发布，主要更新功能包括：

<li>DECENT 量化器的集成</li>

<li>xfDNN Runtime API 已升级，可支持多输出网络</li>

<li>简单易用的增强功能</li>

支持 Docker 镜像

支持 Caffe 的自定义 Python 层

用于网络权重的 HDF5 格式

<li>增加对新模型的支持</li>

基于赛灵思技术的系统可以结合人工智能，通过采用“可预测性维护”的方案减少设备停机时间，从而最大限度地提高生产力。赛灵思的基于 Python 和神经网络的Edge AI 解决方案简化了硬件加速的可预测维护方案的实现，从而可以持续性地监控重要资产，分析数据，以及智能地为这些系统规划服务。

本视频重点介绍了 Vivado 设计套件 2019.1 版本中的新增功能，包括对操作系统以及器件的支持情况，还有高层次增强功能，以及各种功能改进以加速设计集成、实现和验证的过程

为​新​无线​标准​制定​和​部署​验证​或​生产​测试​策略​是​十分​困难​的。​而​随着​5G NR​等​新​无线​标准​和​技术​的​复杂​性​不断​增加，​这​方面​工作​的​难度​进一步​加大。​其中​的​挑战​包括​更宽​且​更​复杂​的​波形、​测试​点​数量​呈​指数​级​增长，​以及​使用​波束​成形​和​相​控​阵​天线​等​技术​来​改善​有限​的​链​路​预算

Accelize 可为 FPGA 加速应用和 IP 核提供 DRM 支持的分配平台，通过即时、可扩展的安全部署为全球客户提高收入。 该平台支持任何 CSP，如AWS、华为、阿里巴巴、Nimbix 或 Xilinx Alveo 板卡，用于本地部署

XAPP1026中记录一些lwIP的应用程序示例和性能测试情况，不过提供的示例工程都是在几个Xilinx的官方板子中跑的。可能很多学生没有机会碰到这些板子。。。另外这份应用笔记使用的SDK 2014.3版本也比较老，那个版本lwip还没有直接集成到SDK中。本文将这份笔记其中比较有用的代码编写思路和性能测试结果部分摘取出来