深度学习 | FPGA 开发圈

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。

用于深度学习推断的 Mipsology Zebra

judy 在周五, 08/16/2019 - 11:09 提交

Zebra 可消除深度学习推断中具有挑战性的编程及 FPGA 任务。Zebra 可轻松部署和适应广泛的神经网络及框架。

用于深度学习推断的 Mipsology Zebra

judy 在周五, 07/19/2019 - 10:13 提交

Zebra 可消除深度学习推断中具有挑战性的编程及 FPGA 任务。Zebra 可轻松部署和适应广泛的神经网络及框架。

【视频】通过 XIlinx SoC 将 DNNDK 用于自定义应用

judy 在周二, 07/16/2019 - 08:16 提交

使用 Xilinx 深度学习处理器（DPU）IP 构建自定义系统，使用面向 Xilinx SoC 的 DNNDK 优化经过训练的推断模型。

深度学习中，CPU、GPU、NPU、FPGA如何发挥优势

judy 在周一, 05/13/2019 - 10:44 提交

随着AI的广泛应用，深度学习已成为当前AI研究和运用的主流方式。面对海量数据的并行运算，AI对于算力的要求不断提升，对硬件的运算速度及功耗提出了更高的要求。目前，除通用CPU外，作为硬件加速的GPU、NPU、FPGA等一些芯片处理器在深度学习的不同应用中发挥着各自的优势，但孰优孰劣？

形象理解深度学习中八大类型卷积

judy 在周一, 02/18/2019 - 11:21 提交

本文总结了深度学习中常用的八大类型的卷积，以非常形象的方式帮助你建立直觉理解，为你的深度学习提供有益的参考。

【视频】Mipsology 在 XDF 硅谷专场展示 Zebra：高性能易用深度学习计算引擎

judy 在周一, 12/24/2018 - 11:01 提交

Mipsology 为深度学习推断开发了最先进的基于 FPGA 的计算引擎。它可以无缝地替换 GPU / CPU 来处理一般或定制的神经网络，具有极高的吞吐量、易用性和零更改性。

Xilinx 灵活应变的深度学习方案助力研华物联网共创峰会

judy 在周一, 11/05/2018 - 09:21 提交

11月1日-2日，研华公司在苏州举办的首届研华物联网共创峰会圆满结束，超过五千位来自全球的研华客户、合作伙伴参与了此次盛会。作为工业物联网、智慧工厂、城市、医疗、能源等领域的重要芯片提供商，赛灵思公司应邀参加了此次大会，通过演讲和演示，突出展示了赛灵思致力于打造灵活应变、万物智能世界的深度学习解决方案。