Xilinx深度学习加速硬核的明星成员DPU(Deep Learning Processing Unit)正式入编PYNQ框架！
DPU-PYNQ是一个结合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！
Xilinx® 深度学习处理器单元 (DPU) 是一个专门用于卷积神经网络的可编程引擎。该单元包含寄存器配置模块、数据控制器模块和卷积计算模块。为 DPU 提供了一个专用指令集，其可帮助 DPU 高效服务于许多卷积神经网络。在 DPU 中部署的卷积神经网络包括 VGG、ResNet、GoogLeNet、YOLO、SSD、MobileNet 以及 FPN 等。
准备工作
一台装有PYNQ框架的硬件平台，链接到入门手册！
https://github.com/Xilinx/DPU-PYNQ/blob/master/README.md
关键特性
1. 6行指令完成部署
git clone --recursive --shallow-submodules
cd DPU-PYNQ/upgrade
make
pip3 install pynq-dpu
cd $PYNQ_JUPYTER_NOTEBOOKS
pynq get-notebooks pynq-dpu -p .
2. 简单易用的Python API
from pynq_dpu import DpuOverlay
overlay = DpuOverlay("dpu.bit")
overlay.load_model("dpu_tf_yolov3.elf")
3. 支持多种不同的模型
1、Resnet 50 models based on Caffe framework.
2、Inception v1 model based on Caffe framework.
3、Yolo v3 model based on Tensorflow framework.
4、MNIST model based on Tensorflow framework.
4. 便捷训练和部署自己的模型
从模型训练到部署的全过程on Jupyter。
[Jupyter notebook](https://github.com/Xilinx/DPU-PYNQ/blob/master/host/train_mnist_model.ipynb)
