Python 生产力价值：Xilinx Zynq 的前沿优势分析 - WP502

关注

转载最新推荐文章于 2026-03-13 01:10:33 发布 214 阅读 AI 写同款· GEO 优化 ›

限时加码！20+主流AI编程工具免费用购周边加赠Coding Plan Lite，Claude Code、Cursor等即刻畅享，学习进阶更高效！阅读详情

点击蓝字关注我们

关注、星标公众号，精彩内容每日送达
来源：网络素材

赛灵思 PYNQ 框架能在 Zynq 产品系列中实现对 Python 语言及运行时的全面支持与集成。直接在 Zynq SoC 架构上利用 Python 的生产力优势，用户能够充分发挥可编程逻辑和微处理器的长处，更容易为人工智能、机器学习和信息技术应用构建设计。

摘要

从工程设计、科研、数据科学、机器学习、信息技术到人工智能，Python 开源编程语言已经成为各类应用中的不成文标准。

当在嵌入式应用中使用现代片上系统 (SoC) 时，就能够运行 Python 执行复杂的分析算法，其性能接近台式机工作站，但外形尺寸显著缩小，功耗要求也显著降低。通过预处理从传感器读取的数据，赛灵思® Zynq 产品系列大幅度提高性能和确定性，同时降低时延。

这种被称为 PYNQ 框架方案，能从应用处理器有效卸载不必要占用处理器带宽的大量重要但重复的操作。这种卸载功能对于满足工业物联网中边缘应用提高的智能需求有重要意义。

嵌入式计算的新范例

近期的 IEEE 调查报告称 2017 年最流行的两种编程语言分别是 Python 和 C 语言。在嵌入式计算领域，C 语言一直以来都是中坚力量。传统上来说，我们一直将 Python 语言用于网络或台式机计算，而从未用作嵌入式计算语言；但是这种情况正在发生改变。

图1 - ：同一平台的不同抽象水平

在IIoT中搜索机器学习

工业物联网解决方案越来越多地在边缘纳入嵌入式智能。对于众多应用而言，这意味着机器学习推断的实现。实现后，ML 算法会利用其经验，根据一套输入数据得出结论。在 ML 中，经验可通过名为培训的学习过程来获得。ML 应用的培训可使用下列两种方法之一执行：(1) 人工监督或 (2) 实现判断功能。两种方法都需要将由正反例构成的大数据集应用于 ML 网络。在 ML 算法得到充分培训后，就能将其部署在工业物联网边缘，根据新输入和未知输入进行推断。

PYNQ 框架

赛灵思 Zynq-7000 SoC 包含用来为现代 SoC 提供不成文标准特性的双核 Arm Cortex-A9 处理器系统 (PS) 和可编程逻辑 (PL)，同时它还提供独特的高度差异化灵活性，支持将关键任务卸载到PL 。Zynq UltraScale+ MPSoC 和 Zynq UltraScale+ RFSoC 使用四核 Arm Cortex-A53 PS、PL 和其他特定部件型号的处理块进一步扩展这一模型。