很多人对Aldec对Arm TechCon的关注重点是深度神经网络和机器学习应用程序开发不是很了解那具体是什么情况呢，现在让我们一起来瞧瞧吧！

例如，Aldec将为其流行的TySOM-3A-ZU19EG平台演示流量检测参考设计，该平台具有Xilinx®Zynq®UltraScale + MPSoC系列中最大的FPGA ZU19EG。该参考设计还包括即用型手势检测，行人检测和分段检测。

该公司还将展示最近宣布的HES-DVM ™的FPGA自动分区功能，Aldec的全自动和可扩展的混合验证环境以及第三方板卡支持，以及如何将该功能用于优化多个资源的功能。在设计用于ASIC或SoC中的ML应用程序原型时的FPGA。

“托管固件和软件的混合FPGA的可编程性和灵活性使它们成为机器学习和神经网络应用的最佳选择之一，” Aldec硬件部门总经理Zibi Zalewski说道，“在Aldec，我们致力于提供最合适的平台和EDA工具来帮助设计和验证。而且，对于我们的TySOM平台，参考设计的数量不断增加，其中许多是互补的，这意味着工程师不必从头开始。

Aldec在Arm TechCon 2019的233号展位上的演示将是：

使用Xilinx Zynq US + FPGA进行基于DNN的流量检测 –在此演示中，使用TySOM-3A-ZU19EG开发板上的卷积神经网络(CNN)进行流量检测。深度学习处理单元(DPU)在FPGA中实现，用于加速对象检测和识别，三个输入通道的速度为45fps。

使用ARM硬件模型的混合协同仿真-硬件-软件协同设计和协同验证对于任何类型的SoC设计都是必需的。可以使用Xilinx Zynq MPSoC提供的ARM硬件模型来构建快速，准确的混合仿真平台。Aldec将演示如何在HES仿真板上连接Xilinx Zynq MPSoC及其ARM Cortex A53 / R5处理器与最大的Xilinx UltraScale US440 FPGA。

本文【Aldec对Arm TechCon的关注重点是深度神经网络和机器学习应用程序开发】到此讲解完毕了，希望对大家有帮助。