Vitis Acceleration Lab

　　全流程加速

　　嵌入式視頻處理通常會涉及到幾個部分：視頻采集、數據處理、視頻顯示；在一個機器學習的應用中，數據處理一般又分為前處理（比如縮放、調整白平衡等）、學習推理、對結果作后處理等幾個步驟。

　　在這個實驗中，我們用 Vitis 一個工具完成了以上所有任務，所有的數據處理都在 FPGA 側完成加速，以保證最佳的實時性；ARM 在整個系統中負責任務管理，而不進行具體計算。視頻輸入輸出的功能由 Vitis Platform 負責；視頻前處理通過調用 Vitis Vision Library 實現；學習推理通過在 Vitis 中調用 DPU 實現。最終結果可以達到1080P60，單幀Latency。

　　Vitis Acceleration Lab

　　硬件加速設計流程

　　這個 Lab 通過三個小實驗介紹了使用 Vitis 進行硬件加速設計的工作流程與常用工具。

　　第一個 Lab：

　　Vector Addition。

　　向量加法是硬件加速界的 Hello World。這個實驗通過分別介紹使用圖形界面的方法和使用命令行的方法，來完成一個向量加法設計的功能仿真。

　　第二個 Lab：

　　Wide Vector Addition。

　　這個實驗在第一個實驗的基礎上，添加一系列優化性能的方法，比如增加向量加法器本身的位寬、獨占 DDR 等方式，完成一個向量加法的硬件級仿真。這些優化方法都是日常設計中常用的方法。在本實驗中，還特別指出了怎樣使用 Vitis Analyzer 來觀察加速器運行狀態和性能的方法，它可以幫助我們分析設計的效果是否達到預期。

　　第三個 Lab:

　　使用 Vision Library 來進行圖像處理。

　　Xilinx 提供了很多常用的硬件加速庫 (Vitis_Libraries) 供用戶使用。本實驗介紹了使用他們的基本方法。用戶可以使用 Vision 庫中的 resize 和 blur 功能，將使用軟件計算比較耗時的部分轉移到邏輯中做加速。

　　Vitis Acceleration Lab

　　代碼優化

　　使用 Vitis 進行加速設計，既牽涉到加速器(Kernel)的開發，又涉及到主機(Host)的開發。兩者都對最終運行效率有影響。除了基礎實驗中的簡介流程，如果要得到最優性能，還需要在編程語言層面對編譯器以及最終的電路實現有所理解。這組實驗就介紹了幾個可能影響性能的幾個方面。

　　第一個實驗討論了關于申請內存的不同方法導致的性能差別。

　　第二個實驗提供了一種方法，來盡可能保證每個加速器Kernel都有盡可能高的利用率，而不是在等待。

　　第三個實驗介紹了怎樣使用 Streaming 接口，在兩個 Kernel 之前傳輸數據，保證最有效率的數據傳遞。