2026年，想用一块Xilinx Zynq-7000 FPGA完成‘基于CNN的手写数字识别系统’的课程设计，在实现从PS到PL的协同设计时，如何划分软硬件功能以达到最佳性能？
我是电子工程专业大三学生，这学期有一门嵌入式系统课程设计，我打算用实验室的Zynq-7000开发板做一个‘手写数字识别系统’。我计划在PS（ARM处理器）上运行Linux和Python，负责图像采集和显示，在PL（FPGA逻辑）上实现一个轻量级CNN的推理加速。目前最大的困惑是如何合理地进行软硬件划分。是把整个CNN模型都放到PL里用HDL实现，还是只把卷积等计算密集型操作做成硬件加速器，通过AXI总线和PS交互？如果做硬件加速，该怎么用HLS（高层次综合）来快速实现并优化？如何评估和测试这种协同设计的性能和资源占用？希望有经验的前辈能给一些架构设计上的建议。
芯片设计新人
