CFU-Playground项目为工程师、实习生和学生提供了一个用于设计和评估FPGA“软”处理器增强功能的框架，专注于提升机器学习任务的性能。用户可以快速上手、自定义指令，并进行效率测试和性能测量，实现多次迭代。项目还包含TensorFlow Lite模型优化、硬件要求和软件工具链的详细设置指导，除Vivado外，所有工具均为开源。

hls4ml是一个专为FPGA上实现机器学习推理而设计的开源软件包。它利用高级综合语言（HLS）将传统开源机器学习模型转化为可配置的固件，从而实现高效推理。项目提供详尽的文档和教程，适用于快速入门和深入研究。用户可以通过GitHub平台参与讨论和贡献。该软件包特别适用于对高性能和低延迟推理要求高的应用场景，如粒子物理和自动驾驶领域。支持与Xilinx Vivado HLS工具的集成，并提供多种安装方式。

jetson-rdma-picoevb项目展示了基于FPGA的GPUDirect RDMA最小化实现。该项目允许PCIe设备直接访问CUDA内存，实现CUDA与PCIe设备间零拷贝数据共享。支持Jetson AGX Xavier、Drive AGX Xavier和装有CUDA驱动的PC。项目涵盖FPGA配置、Linux驱动和用户应用，提供完整RDMA测试环境。

openwifi是基于软件定义无线电(SDR)的开源Wi-Fi全栈实现项目。它提供Linux mac80211兼容驱动和FPGA设计,支持802.11a/g/n协议,具备多种工作模式。项目特点包括可配置信道接入参数、CSI捕获、IQ采样和时间切片等,为Wi-Fi研究开发提供灵活平台。性能方面,TCP吞吐量可达40-50Mbps,UDP可达50Mbps。支持多种SDR平台,如Xilinx ZC706、Xilinx ZED和ADRV9364-Z7020等。项目采用双重许可模式,包括开源AGPLv3许可和商业许可,为Wi-Fi协议研究、无线通信教育和SDR应用开发等领域提供了开放的软硬件平台。

FINN是一个开源实验框架，专注于FPGA上的量化神经网络推理。它为每个网络生成定制的数据流式架构，实现高效、高吞吐量和低延迟的FPGA加速器。FINN提供跨软硬件抽象层的灵活性，支持深度神经网络研究，并通过Docker提供编译器环境和丰富的文档资源。