机器学习(ML)是一个热门话题,可以找到许多用例和应用程序。像Zynq和Zynq MPSoC这样的异构SoC有着明显的优势,因为它们允许在可编程逻辑中实现推理网络。
在PL中实施推理网络可显着提高性能。当然,对于那些不熟悉机器学习的人来说,可能无从下手,尤其是如果您想使用可编程逻辑来提高性能时。
这是Pynq框架的强项所在,它使我们可以在访问可编程逻辑覆盖图以执行ML加速时使用Python等高级语言。
本项目着重于深度学习与机器人的结合应用,设计在复杂环境下智能探测、识别的自主探测机器人,利用PYNQ实现BNN二值神经网络,将物体识别深度模型移植到嵌入式终端应用,并且设计了轮腿式复合运动方式,提高探测机器人的运动能力。