本文转载自：PYNQ开源社区微信公众号
一大变化：
2021第十六届研电赛评审中一大变化就是企业命题及企业专项奖的最高奖项队伍直接入围全国总决赛！
本届比赛中，Xilinx将继续设置企业专项奖支持全国研究生学术创新，同时结合往年研电赛以及各类大学生竞赛作品，我们将通过开源案例，平台借用，培训指导等提供全面支持。
开源案例：
在往届Xilinx专项作品中与工业控制，机器视觉，人工智能等相关度较大，因此首先着重介绍与此相关开源案例和资源。
在“PYNQ-DPU发布”文中介绍了PYNQ-DPU的开源项目，并在2020年10月时介绍了基于PYNQ-DPU的开源人工智能医疗图像处理方案。最近Xilinx又发布了基于PYNQ-DPU的工业预测性维护的案例：https://github.com/MakarenaLabs/Predictive-Maintenance-PYNQ
这些案例都提供了包括云应用的完成解决方案，在这样的参考案例下，用户可以快速的进行二次开放完成人工智能相关的完成解决方案原型。
同时在全球最大硬件开发者社区Hackster.io上也有大量的PYNQ-DPU案例，例如AI无人机控制的和口罩识别等等
https://www.hackster.io/ussamazahid96/quad961faac0
https://www.hackster.io/Altaga/facemask-detector-f0c10f
通过PYNQ框架对参赛队伍带来了快速完成系统设计的两大好处
通过Jupyter，可以快速调用NumPy，matplotlib，pandas等库完成数据处理，交互界面设计及结果展示，不需要设计QT或通过串口等老旧的方式将数据回传到PC进行处理和显示。
在PYNQ框架中，所有PL部分外设都已设计好对应的Linux驱动，用户只需关注其中的HLS和RTL设计即可。
与此同时，在底层Overlay部分，又可以方案的利用开源Vitis HLS库, VitisHLS提供了500多个开源库支持各类应用，加速底层Overlay定制加速器原型设计。
平台借用：
为了更好的助力参赛队伍的作品升级，我们将提供支持PYNQ开源框架和Vitis的针对不同应用场景的硬件平台，加速队伍的原型设计。
注：以上为示例，可根据项目需求调整为接近的板卡
培训指导：
同时我们将根据参赛队伍的需求，以及平台借用的情况，在5月份安排针对开源案例、工具和平台使用，以及项目定位和提升的相关培训指导。如有培训指导需求和平台借用需求请填写预申请表格: https://www.wjx.top/vj/Y9mROiy.aspx
