本文转载自： OpenFPGA微信公众号
Xilinx Pynq 框架允许我们将 Python 和可编程逻辑结合起来。让我们看看如何为自己的ZYNQ板卡创建 Pynq 镜像。
介绍
Python 是目前最热门的编程语言之一（Python是一种高级编程语言，由Guido van Rossum于1991年开发。它具有简洁、易读、易学的特点，被广泛应用于各个领域的软件开发。），我们希望能够在 FPGA/SoC 开发中利用使用 Python 带来的生产力红利。
Xilinx Pynq 框架允许开发人员做到这一点，利用 Python 使用可编程逻辑的进行加速。
在 Pynq 框架内，可编程逻辑设计称为overlays(覆盖层)，并被视为硬件库。虽然创建新的overlays需要 FPGA 设计经验，但越来越多的开源overlays可供开发人员使用 ( http://www.pynq.io/community.html )
然而，有时我们需要不同或自定义板的 Pynq 映像，让我们看看如何为自己的Z7010 板创建 Pynq 镜像。
创建环境
我们需要做的第一件事是创建一个虚拟机，配置如下：
虚拟机启动并运行后，我们需要做的下一件事是安装构建 Pynq 所需的应用程序。
需要什么工具？
要创建 Pynq 映像，我们需要在 Linux 虚拟机上安装以下工具
我们还需要使用以下命令从 Xilinx GitHub 克隆 Pynq 存储库。
git clone https://github.com/Xilinx/Pynq.git
clone Pynq 存储库后，将能够看到包含许多文件夹的 Pynq 目录。
要正确设置我们的构建环境，下一步是在目录中运行设置环境脚本（setup_host.sh）
Pynq/SDBuild/Scripts
一旦这个脚本运行完成，接下来我们确保可以重建现有的主板（确保环境无问题）。
在这种情况下，决定重建 Pynq Z1 映像，为此我将目录更改为 SDBuild 目录并运行命令
make BOARDS=Pynq-Z1
将启动镜像创建过程
构建过程可能需要一段时间（如果速度很慢，请检查分配给虚拟机的处理器数量）。完成后 SDBuild 目录下有一个输出目录。
在此将找到 Pynq-Z1 镜像
现在我们知道我们可以重新创建 Pynq 镜像来开发我们的自定义镜像。
构建基础覆盖层
Pynq 构建首先需要的东西之一是基础覆盖层。对于自己的开发板，我们将使用 Pynq Z1 镜像作为起点。
打开 Vivado (2018.2) 并在 Vivado TCL 窗口中获取以下脚本。可以在目录中找到它们
boards/Pynq-Z1/base
source build_base_ip.tcl
Source base.tcl
第一个命令将生成必要的 IP，而第二个命令将在 Vivado 项目中重新创建设计。
现在我们需要做的就是更改设备型号（FPGA型号）。
根据板卡外设添加自己的外设到工程中，其中包括
然而，由于我们可用的资源较少，我们需要删除一些功能。最终的基础平台如下。
然后，在 Vivado 中生成bit，以确保设计符合我们的设计
此步骤的目的是确保新的基础平台适合 Zynq 7010 器件，并允许重新生成我们用于自定义板卡的base.tcl 。
创建新板
生成镜像之前的最后一步是在目录下创建一个新板
pynq/boards
创建新板需要创建一个以目标板命名的新目录，在本例中为 cora。
在此目录中，我们还需要创建几个目录和板规范。
电路板规格是一个文本文件，包含以下信息
目录是：
base - 这包含基础覆盖层和相关的设计信息 notebooks - 这包含 juypter notebooks petalinux_bsp - Linux BSP
使用 Pynq Z1 作为每个目录的模板，根据 Cora 板（自己的板卡）和较小的 7010 设备的需要更新 tcl、xdc 和 python 文件。
使用基本目录中的 make 脚本生成基本设计的位文件。
当上面所有操作完成后，可以使用 SDBuild 目录中的命令启动 Pynq 构建
make BOARDS=cora
同样，这需要一段时间才能结束，但结果将与之前相同
硬件测试
启动时要监控的是串口输出，通过串口打印能监控到 Pynq 的启动是否正确。
FPGA 启动 Pynq 映像后，下一步是检查 FPGA 能否连接到网络，以便可以访问 Jupyter notebooks。
$ ifconfig
最后阶段是测试 Jupyter notebooks。在与 Pynq 位于同一网络的计算机上打开浏览器并输入网址 pynq:9090
将进入登录屏幕，密码是 xilinx
登录后，将看到笔记本和目录
一旦我们点击一个notebook，它就会开始运行，我们可以通过点击运行选项来看到正在运行的notebook。
如果需要，我们还可以在 Jupyter 环境中打开终端窗口
看起来 Pynq 环境已在我们自己的板上启动并运行，我们现在可以根据需要开始开发解决方案和覆盖层。
