XC4VLX100-10FFG1148I

发布时间:2020/11/9

XC4VLX100-10FFG1148I_XC7Z045-2FFG900E导读

它使用 N2Cube 软件在处理侧(PS)运行。图像预处理/后处理通过 Vivado 使用 HLS
实现,而 Vitis 的作用是使用连接文本提议网络(CTPN)完成推断。Softnautics 采用了赛灵思 Vitis AI
堆栈并运用该软件提供加速,开发出混合应用,同时实现了 LSTM 功能,通过将 TensorFlow-lite 移植/迁移到 ARM
进行有效的序列预测。最终,Softnautics 将该解决方案用于视频流水线中的实时场景文本检测,并使用可靠的数据集对模型进行改进。

Xilinx 器件可通过精选芯片工艺和功耗架构为所有产品组合实现高电源效率,包括 Spartan-6
系列及 7 系列、UltraScale? 以及 UltraScale+? FPGA 和
SoC。以下是特定产品组合功能的详细信息、芯片工艺优势和基准比较。电源估算、热模型、全面软件支持和演示板现已开始针对所有产品系列公开提供。对于每一代产品,Xilinx
都不断提升其节电功能,包括工艺改进、架构创新、电压缩放策略以及高级软件优化策略等。


XC5VSX35T-1FFG665C

XQ6SLX150-L1CSG484I XQ6SLX150-L1CS484I
XQ6SLX150-CSG484 XQ6SLX150-2FG484I XQ6SLX150-2CSG484I XQ6SLX150-2CS484Q
XQ6SLX150-2CS484I XQ6SLX150 XQ5VSX95T-2EF1136I XQ5VSX95T-1FF1136I
XQ5VSX95T-1EF1136I XQ5VSX95T XQ5VSX50T-DIE4058 XQ5VSX50T-2EF665I 。

5AGXMA3D4F27C5N 5CGXFC4C6F27C7N 5SGXEABN2F45C2N
5SGXMA4H2F35I3LN ADSP-TS201SABPZ060 XA3S1200E-4FTG256Q XA6SLX16-2CSG324I
XA6SLX16-2CSG324Q XA6SLX16-2FTG256I XA6SLX16-2FTG256Q XA6SLX16-3CSG225Q
XA6SLX16-3FTG256Q XA6SLX4-2CSG225Q XA6SLX45-2CSG324I XA6SLX9-2CSG225Q
XA6SLX9-2FTG256Q XA7A15T-1CSG324Q XA7A35T-1CSG325Q 。

XQ4VLX60-10FF668M XQ4VSX55-10FF1148M
XQ6SLX150-2FGG484Q XQ6SLX75T-2FGG484Q XQ7A100T-2CSG324I XQ7Z020-1CLG400Q
XQF32PVOG48M XQR2V3000-4CG717V XQV100-4PQ240N XQV300-4BG352N XQV300-4BG432N
XQV300-4PQ240N 10AX115H2F34E2SG 5AGXFB3H4F35C4N 5AGXFB3H4F40I5N 5AGXFB7K4F40I3N
5AGXMA1D4F31I3N 。

XQ5VLX30T-1FF323I XQ5VLX30T XQ5VLX220T-2EF1738I
XQ5VLX220T-1EF1738I XQ5VLX220T XQ5VLX155T-2EF1136I XQ5VLX155T-1EF1136I
XQ5VLX155T XQ5VLX110T-2EF1136I XQ5VLX110T-1EF1136I XQ5VLX110T XQ5VLX110-2EF676I
XQ5VLX110-2EF1153I XQ5VLX110-1EF676I XQ5VLX110-1EF1153I XQ5VLX110
XQ5VFX70T-2EF665I XQ5VFX70T-2EF1136I XQ5VFX70T-1EF665I 。


XC2VP30-5FFG1152I

XC5VLX85T-2FFG1136I XC5VSX240T-1FFG1738I
XC5VSX35T-1FFG665C XC5VSX35T-1FFG665I XC5VSX50T-1FF665I XC5VSX50T-1FFG1136C
XC5VSX50T-1FFG1136I XC5VSX50T-1FFG665I XC5VSX50T-2FF1136I XC5VSX50T-2FFG1136I
XC5VSX50T-2FFG665I XC5VSX95T-1FF1136C XC5VSX95T-1FF1136I XC5VSX95T-1FFG1136C
XC5VSX95T-1FFG1136I XC5VSX95T-2FF1136I XC5VSX95T-2FFG1136C XC5VSX95T-2FFG1136I
XC5VTX240T-2FFG1759I XC6SLX100-2FGG676C XC6SLX100-2FGG676I XC6SLX100-3CSG484I

XQ6SLX150T-DIE0628 XQ6SLX150T-3FGG676I
XQ6SLX150T-3FG484I XQ6SLX150T-3CSG484I XQ6SLX150T-3CS484I XQ6SLX150T-2FGG676Q
XQ6SLX150T-2FGG676I XQ6SLX150T-2FG676Q XQ6SLX150T-2FG484Q XQ6SLX150T-2FG484I
XQ6SLX150T-2CSG484Q XQ6SLX150T-2CSG484I XQ6SLX150T-2CS484Q XQ6SLX150T-2CS484I
XQ6SLX150T 。

XQ6VLX130T-2RF784I XQ6VLX130T-2RF1156I
XQ6VLX130T-2FFG1156M XQ6VLX130T-2FFG1156I XQ6VLX130T-1RF784I XQ6VLX130T-1RF1156M
XQ6VLX130T-1RF1156I XQ6VLX130T-1FFG1156M XQ6VLX130T-1FFG1156I XQ6SLX75T-3FGG676I
XQ6SLX75T-3FG484I XQ6SLX75T-3CSG484I XQ6SLX75T-3CS484I XQ6SLX75T-2FGG676I 。

XC7K160T-3FFG676E XC7K325T-1FBG676C XC7K325T-1FBG676I
XC7K325T-1FBG900C XC7K325T-1FBG900I XC7K325T-1FFG676C XC7K325T-1FFG676I
XC7K325T-1FFG900C XC7K325T-1FFG900I XC7K325T-2FBG676C XC7K325T-2FBG676I
XC7K325T-2FBG900C XC7K325T-2FBG900I XC7K325T-2FFG676C XC7K325T-2FFG676I
XC7K325T-2FFG900C XC7K325T-2FFG900I 。

XC4VLX100-10FFG1148I_XC7Z045-2FFG900E


VivadoHLS视频处理函数库使用hls::Mat<>数据类型,这种类型用于模型化视频像素流处理,实质等同于hls::steam<>流的类型,而不是OpenCV中在外部memory中存储的matrix矩阵类型。因此,在用VivadoHLS实现OpenCV的设计中,需要将输入和输出HLS可综合的视频设计接口,修改为Video
stream接口,也就是采用HLS提供的video接口可综合函数,实现AXI4 video
stream到VivadoHLS中hls::Mat<>类型的转换。

升高温度可导致漏电功耗呈指数上升。如图1所示,功耗很大程度上取决于电源电压和温度。例如,把温度从85℃升高至100℃可使漏电功耗增加25%。降低FPGA电源电压可使动态功耗呈二次函数下降,漏电功耗呈指数下降。