赛灵思今日于公司虚拟技术大会 Xilinx Adapt 2021 首周宣布，推出功能强大的全新解决方案和 IP，旨在满足其快速壮大的软件、AI 和硬件开发者社区需求。2021 年 11月 16 日，Xilinx Adapt 2021 China 虚拟活动也即将上线。Adapt 2021 China 作为中国专场内容，将面向中国市场、由赛灵思本地发言人、合作伙伴与客户带来众多精彩内容。
过去两年里，赛灵思通过一系列举措连结开发者群体并取得了长足发展。通过赋能创新自适应计算正成为开发者的强大助力！今天，赛灵思与 Hackster.io 再度向广大开发者群体发起挑战，共同宣布2021 自适应计算挑战赛，来了！
数据中心越来越多地采用人工智能来管理从设备监控到服务器优化的各种任务。基于 FPGA 的自适应计算处于数据中心的核心位置，在许多情况下，是运行复杂 AI 工作负载的最高效、最具成本效益的解决方案。阅读电子书，了解自适应计算如何助力加速。
本篇笔记以点亮图中所有的LED为目的，回顾下Vivado的使用，并且开始了解Vitis的开发流程(原来开发环境为SDK)。
本文描述了推荐的设计方法，以实现对Xilinx® FPGA器件资源的有效利用，并在Vivado® Design Suite中更快地实现设计和时序收敛。提供了推荐方法背后的原因，以支持和实现明智的设计决策。
SOC、SOPC、MPSOC、RFSOC、SDSOC的概念及区别
在Vitis AI library中的模型在自定义单板使用中，介绍了如何进行模型库编译，下一步要将模型加入到AI应用中进行编译，生成可执行文件。
本系列笔记旨在更深入的探索Vitis以及Vitis内部所使用到的技术，本系列主要针对深度学习部署进行探索，比如自定义自己的深度学习硬件平台，深度学习模型量化、模型编译、TVM自动调优，多DPU核异构系统的调度计算等等。
本文通过使用 Design Gateway 的 TOE100G-IP 内核和 NVMeG4-IP 内核，在 Xilinx 的 KCU116 评估套件上演示了 TCP 卸载引擎网络和 NVMe SSD 实现的100Gbps 解决方案。
在Vitis AI设计中，构建模型是其中非常重要的一步。如果使用调用的模型库呢？