深度学习

深度学习是机器学习的一个分支,它试图通过模拟人脑的神经网络结构来实现对数据的学习和理解。深度学习的核心思想是通过多层次的神经网络(深度神经网络)来学习输入数据的表示,从而使得计算机能够执行各种任务,如图像和语音识别、自然语言处理等。

如何使用FPGA加速深度学习计算

通过本文的阅读,您将了解如何抢先一步,使用FPGA来加速深度学习计算

从FPGA说起的深度学习(四)

在本文中,我们将实现其余未实现的层:全连接层、池化层和激活函数 ReLU。

从FPGA说起的深度学习(三)

在这篇 C++ 实现的第一篇文章中,我们开始针对卷积层的 C++ 实现

从FPGA说起的深度学习(二)

本文介绍使用 FPGA 实现深度学习的技术

从FPGA说起的深度学习(一)

本文将解释“什么是深度学习”和“使用 FPGA 进行深度学习的好处”

使用 VCK190 运行 RNN+CNN

将CNN和RNN两种不同模式的深度学习神经网络同时运行在Versal® AI Core VC1902平台上。

深度学习模型在FPGA上的部署

今天给大家介绍一下FPGA上部署深度学习的算法模型的方法以及平台。希望通过介绍,算法工程师在FPGA的落地上能“稍微”缓和一些,小白不再那么迷茫。

【在线培训】基于Xilinx Vitis AI的深度学习推断

将面向专门用于卷积神经网络的可编程引擎DPU,并基于边缘端MPSOC器件(以官方ZCU104平台为例),引领开发者快速搭建基于Vitis AI的DPU开发环境

Xilinx AI团队在“英特尔创新大师杯”深度学习挑战赛中荣获冠军

Xilinx AI团队核心成员严丹在首届“英特尔创新大师杯”深度学习挑战赛比赛通用场景中文OCR文本识别任务中,通过两阶段网络结构,融合基于分割和基于Mask RCNN的检测模型预测结果,在复赛测试集上获得75.34的高分, 取得冠军。

基于赛灵思 VCK5000 板卡的深度学习算法优化部署

本视频介绍了深度学习算法在赛灵思7nm Versal板卡上的优化与部署