还在为错过XDF上Lab Zone的案例体验而锤头顿足吗？
还在为不知道如何部署和使用Vitis与Vitis AI而心灰意冷吗？
大家都可以通过以下Vitis Acceleration Lab中精选出来的优秀技术分享案例来学习与跟进，帮助大家指导和使用Vitis。
Vitis Acceleration Lab
全流程加速
嵌入式视频处理通常会涉及到几个部分：视频采集、数据处理、视频显示；在一个机器学习的应用中，数据处理一般又分为前处理（比如缩放、调整白平衡等）、学习推理、对结果作后处理等几个步骤。
在这个实验中，我们用 Vitis 一个工具完成了以上所有任务，所有的数据处理都在 FPGA 侧完成加速，以保证最佳的实时性；ARM 在整个系统中负责任务管理，而不进行具体计算。视频输入输出的功能由 Vitis Platform 负责；视频前处理通过调用 Vitis Vision Library 实现；学习推理通过在 Vitis 中调用 DPU 实现。最终结果可以达到1080P60，单帧Latency。
Vitis Acceleration Lab
硬件加速设计流程
这个 Lab 通过三个小实验介绍了使用 Vitis 进行硬件加速设计的工作流程与常用工具。
第一个 Lab：
Vector Addition。
向量加法是硬件加速界的 Hello World。这个实验通过分别介绍使用图形界面的方法和使用命令行的方法，来完成一个向量加法设计的功能仿真。
第二个 Lab：
Wide Vector Addition。
这个实验在第一个实验的基础上，添加一系列优化性能的方法，比如增加向量加法器本身的位宽、独占 DDR 等方式，完成一个向量加法的硬件级仿真。这些优化方法都是日常设计中常用的方法。在本实验中，还特别指出了怎样使用 Vitis Analyzer 来观察加速器运行状态和性能的方法，它可以帮助我们分析设计的效果是否达到预期。
第三个 Lab:
使用 Vision Library 来进行图像处理。
Xilinx 提供了很多常用的硬件加速库 (Vitis_Libraries) 供用户使用。本实验介绍了使用他们的基本方法。用户可以使用 Vision 库中的 resize 和 blur 功能，将使用软件计算比较耗时的部分转移到逻辑中做加速。
Vitis Acceleration Lab
代码优化
使用 Vitis 进行加速设计，既牵涉到加速器(Kernel)的开发，又涉及到主机(Host)的开发。两者都对最终运行效率有影响。除了基础实验中的简介流程，如果要得到最优性能，还需要在编程语言层面对编译器以及最终的电路实现有所理解。这组实验就介绍了几个可能影响性能的几个方面。
第一个实验讨论了关于申请内存的不同方法导致的性能差别。
第二个实验提供了一种方法，来尽可能保证每个加速器Kernel都有尽可能高的利用率，而不是在等待。
第三个实验介绍了怎样使用 Streaming 接口，在两个 Kernel 之前传输数据，保证最有效率的数据传递。
*Github上的Link资源正在制作中，敬请期待。
如有技术问题，欢迎在赛灵思中文社区论坛交流：https://forums.xilinx.com/cn
来源：XILINX技术社区
