深度学习是一种基于人工神经网络的机器学习方法，它通过多层神经网络对数据进行建模和学习，从而使计算机能够自动从数据中提取特征并进行预测。深度学习在图像处理、语音识别、自然语言处理等领域取得了显著的突破，特别是在大数据和强大计算能力的支持下，深度学习已成为解决复杂问题的主要技术。
2017年，深鉴科技基于FPGA开发的语音识别引擎横空出世，性能达CPU的43倍，功耗仅为GPU的1/3.5。这一里程碑事件点燃了业界对FPGA赋能深度学习的期待。
本文将为您介绍与人工智能相关各种技术的概念介绍，以及先进的Edge AI（边缘人工智能）的最新发展与相关应用。
在本教程中，旨在加深对深度学习和 FPGA 的理解。
在本教程中，我们将介绍使用 FPGA 实现深度学习的技术，深度学习是近年来人工智能领域的热门话题。
该论文主要围绕着深度学习应用对密集矩阵乘法（Matrix Multiply, MM）的大量需求展开
近年来，深度学习框架的快速发展使得人工智能应用领域取得了巨大的进步。其中，Caffe框架以其简单易用、高效快速的特点受到了广泛关注和应用。
空中客车使用了 AMD® Zynq™ UltraScale+™ MPSoC ZCU102 板以及长短期记忆 (LSTM) 模型
本文介绍高层次综合HLS在深度学习领域中取得的成果
嵌入式视觉提供一种低成本、低功耗和大批量的方法
本文将描述在推断更大的网络时如何解决计算复杂性增加的问题的常用策略