頭條 AMD慶祝賽靈思成立40周年 40 年前，賽靈思（Xilinx）推出了一種革命性的設備，讓工程師可以在辦公桌上使用邏輯編程。 賽靈思開發的現場可編程門陣列（FPGA）使工程師能夠將具有自定義邏輯的比特流下載到臺式編程器中立即運行，而無需等待數周才能從晶圓廠返回芯片。如果出現錯誤或問題，設備可以在那里重新編程。 最新資訊 一文讀懂為什么要選擇 Python做機器學習 隨著機器學習的興起，Python 逐步成為了「最受歡迎」的語言。它簡單易用、邏輯明確并擁有海量的擴展包，因此其不僅成為機器學習與數據科學的首選語言，同時在網頁、數據爬取可科學研究等方面成為不二選擇。此外，很多入門級的機器學習開發者都是跟隨大流選擇 Python，但到底為什么要選擇 Python 就是本文的核心內容。 發表于：8/18/2018 什么?Python+FPGA!? 早年，雖然Python是一款比較容易上手的腳本語言，而且有強大的社區支持，一些非計算機專業領域的人都選它作為入門語言。遺憾的是，它不能實現一些非常底層的操控，所以在硬件領域并不起眼。 發表于：8/18/2018 PCB設計中BGA器件布局布線經驗談 SMT(Surface Mount Technology 表面安裝)技術順應了智能電子產品小型化，輕型化的發展潮流，為實現電子產品的輕、薄、短、小打下了基礎。SMT技術在90年代也走向成熟的階段。但隨著電子產品向便攜式／小型化、網絡化方向的迅速發展，對電子組裝技術提出了更高的要求，其中BGA(Ball Grid Array 球柵陣列封裝)就是一項已經進入實用化階段的高密度組裝技術。 發表于：8/18/2018 FPGA時序約束方法匯總，從易到難的都有 從最近一段時間工作和學習的成果中，我總結了如下幾種進行時序約束的方法。 發表于：8/18/2018 如何使用一個DSP block實現4個11位浮點型數據乘法運算 隨著深度學習的發展，為了解決更加抽象，更加復雜的學習問題，深度學習的網絡規模在不斷的增加，計算和數據的復雜也隨之劇增。INTEL FPGA具有高性能，可編程，低功耗等特點，為AI應用加速提供了一種靈活、確定的低延遲、高通量、節能的解決方案。Arria10是INTELFPGA第一代集成IEEE754標準單精度硬浮點DSP block，可以為高復雜度的深度學習算法提供高精度，高能效的乘法運算。 發表于：8/18/2018 從易到難總結幾種FPGA時序約束方法 從最近一段時間工作和學習的成果中，我總結了如下幾種進行時序約束的方法。按照從易到難的順序排列如下： 發表于：8/18/2018 C語言模塊化程序設計相關概念 模塊劃分的"劃"是規劃的意思，意指怎樣合理的將一個很大的軟件劃分為一系列功能獨立的部分合作完成系統的需求。C語言作為一種結構化的程序設計語言，在模塊的劃分上主要依據功能(依功能進行劃分在面向對象設計中成為一個錯誤，牛頓定律遇到了>相對論)，C語言模塊化程序設計需理解如下概念： 發表于：8/18/2018 ECCV 2018 | 對抗深度學習: 魚 (模型準確性) 與熊掌 (模型魯棒性) 能否兼得？ 分類的準確度長期以來都是評價圖像分類模型性能的最核心甚至唯一標準。但最近研究表明，即使是充分訓練好的深度神經網絡模型也很容易被對抗攻擊算法攻破。 發表于：8/18/2018 業界 | 專訪達觀數據CEO陳運文：文檔審閱2.0時代到來 利用機器學習技術審閱文檔，生成摘要，提高文字工作效率是人工智能的重要發展方向。近日，達觀數據推出了文檔智能審閱系統 2.0 版，吸引了德勤、平安信托等眾多公司的青睞。 發表于：8/18/2018 前沿 | XNN：打開了自己黑箱的神經網絡 本文介紹了一種旨在「打開」并解釋神經網絡的新模型 XNN（可解釋神經網路）。該網絡包含三個重要組成部分：投影層、子網絡、組合層。XNN 還可用于替代復雜模型，無論將 XNN 用作主要模型還是用于更復雜模型的替代模型，XNN 都可以直接解釋模型如何使用輸入特征進行預測。 發表于：8/18/2018 ?…82838485868788899091…?
