深度学习是当今技术发展最快的领域之一。它越来越多地应用于语音识别，面部识别甚至电玩游戏等任务。在人工神经网络的支持下，深度学习模型采用机器学习算法，使用多层非线性处理单元进行特征抽取和变换，而每层使用前一层的输出作为输入。
安富利的Xilinx 201808让低阶设备XC7Z007s具有深度学习的能力。透过将多层感知器（MLP）网络拓扑与使用二值化神经网络*的极端量化网络相结合，让它在MNIST手写数字辨识上达到95.8％的准确度，而资源利用率为91％/ 66％（LUT / FF）。它适用于智能型监控摄影机和工业自动化所使用的智能型摄影机。
特点
- 低阶设备XC7Z007s的深度学习能力
- 多层感知器（MLP）网络拓扑
- 使用二值化神经网络的极端量化网络*
- 在MNIST手写数字辨识上准确度为95.8％
- 小型的全连接层：256个节点
- 透过内置Wifi连上网可使用Jupyter notebook 程序编辑器
- 91％/ 66％（LUT / FF）资源利用率
*数据源：Yaman, “FINN: A Framework for Fast, Scalable Binarized Neural Network Inference”
