PYNQ

上期推送为大家带来了A班的优秀作品合集。本期，小编为大家带来了B班优秀作品的基于PYNQ的SSD目标检测系统项目。B班的作品相较于A班更有挑战性，内容也更丰富一些。本篇推送主要介绍设计概述，如果有想要亲自尝试本系统的同学，请复制下方Github链接前往GitHub，即可看到本项目的开源代码哦！

今天，我们要介绍的是A班作品中的仪器仪表相关作品。这类作品所使用的平台既有与游戏类作品相同的SEA-S7平台，也有EGO1平台与ZyBo的平台。接下来，就让我们一起看看暑期学校的同学们的精彩项目吧！

本案例主要基于DPU-PYNQ来实现一个常见的手势识别--石头剪刀布，目的是让大家了解如何使用DPU开发深度学习应用的整个流程。本案例分为三个部分：分别是PC模型训练、VitisAI模型编译、Edge模型部署三个部分。

类脑计算的基础是脉冲神经网络（SNN, Spiking Neural Network），相比 DNN（Deep Neural Networks）等第二代神经网络，SNN 工作机理更接近于生物大脑，因此被认为是第三代神经网络。类脑计算研究的一个重要任务是探索最适合SNN运行的类脑体系结构，研制高性能、低功耗的类脑计算机。

PYNQ-PRIO是一个介绍如何利用FPGA部分可重配置特性和PYNQ框架提供的方便的API，对FPGA分时复用，提高FPGA灵活性的项目。可重配置是指在一个FPGA工程中，划分了静态逻辑部分和动态逻辑部分，静态逻辑部分是指在运行过程中逻辑不变的部分

IIoT-SPYN是一个基于IIoT-EDDP开源平台和PYNQ软件框架的项目，它展示了如何在PYNQ开源框架下对电机进行控制、监视、捕获数据、可视化和分析。PL侧包含了对电机控制、状态采集的模块。在PYNQ中加载比特流后，就可以访问到这些已实现好的模块，对电机进行控制和状态检测。

本案例来源于第三届全国大学生FPGA创新设计竞赛中江南大学的OpenHEC lab团队，他们的作品基于PYNQ开源软件框架。PYNQ框架提供了完整的访问FPGA资源的Python library，通过高层次的封装，让开发者通过Python API就可以轻松调用FPGA内的模块或算法，加速产品开发部署

DPU-PYNQ时一个结合PYNQ框架和Vitis AI设计平台开发的全新系统覆盖层。目前主要支持 Zynq Ultrascale系列的开发板，如Ultra96、ZCU104和ZCU111。PYNQ系列用户可以通过PIP指令一键将PYNQ2.5镜像升级到支持DPU的版本，纯软件安装包更新的体验！

成为公民科学家不是梦！闲置的计算资源不仅用于精确地建模重要蛋白质的结构，还用于设计新蛋白质，让我们一起参与抗击COVID-19！

近来卷积神经网络（CNN）的研究十分热门。CNN发展的一个瓶颈就是它需要非常庞大的运算量，在实时性上有一定问题。而FPGA具有灵活、可配置和适合高并行度计算的优点，十分适合部署CNN。