3.用Ultra RAM（容量较大、速率较慢）可以降低Bram的使用petalinux根据平台会自动生成相关的设备树。驱动Linux新的版本已经加入xilinx_dpu的驱动。源码里面没找到，下载xilinx_dpu.c、xilinx_dpu.h单独编译成模块。驱动注册后会生成/dev/dpu设备。用户空间petalinux 里面要加入meta_vitis_ai层，把xrt等相关ai的库编译到文件

3.用Ultra RAM（容量较大、速率较慢）可以降低Bram的使用petalinux根据平台会自动生成相关的设备树。驱动Linux新的版本已经加入xilinx_dpu的驱动。源码里面没找到，下载xilinx_dpu.c、xilinx_dpu.h单独编译成模块。驱动注册后会生成/dev/dpu设备。用户空间petalinux 里面要加入meta_vitis_ai层，把xrt等相关ai的库编译到文件

linux用户态gpio操作

在Linux下使用AXI DMA

zynq qt配置和使用

问题描述：warning: array subscript is above array bounds [-Warray-bounds]数组下标使用越界，需检查数组的使用，下标是否正确warning: pointer targets in passing argument 1 of 'calculate_crc' differ ...函数的实参和形参不一致，像字符和整数这两个可以互相使用，解决办法

保存整个模型：整个模型的保存1.整个模型可以以两种不同的文件格式（SavedModel 和 HDF5）进行保存2.调用 model.save 将保存模型的结构，权重和训练配置保存在单个文件/文件夹中。3.导出模型，以便在不访问原始 Python 代码*的情况下使用它。4.优化器状态（optimizer-state）已经恢复，可以从中断的位置恢复训练。这种方式加载的时候会直接返回一个model，而其

Qemu的使用及一些开发板的模拟介绍Qemu可以对许多架构的CPU或开发板进行模拟。在我们没有开发板的时候，可以通过其进行一些开发板的模拟，便于学习。

文章目录前言一、一张图像的加载方式前言tensorflow2中加载图像的操作一、一张图像的加载方式从文件路径中加载一张图像#原始数据img_raw=tf.io.read_file(img_path)#解码为tensor（张量）img_tensor = tf.image.decode_image(img_raw)#调整大小img_final = tf.image.resize(img_tensor,