Vitis-AI

Vitis AI 运行TensforFlow模型

在百度edgeboard fzu3上运行CIFAR10 Classification,介绍Vitis AI TensorFlow设计过程,将Python描述的网络模型运行在Xilinx DPU上。

在Vitis中编译Vitis AI Library应用

如何将Vitis AI Library应用加入Vitis进行编译,生成可执行文件?

Vitis AI VART自动驾驶应用

Vitis AI提供两种应用例程,VART和Vitis AI Library,下文详细描述了VART中自动驾驶应用的实现过程。

Vitis AI Library应用

Vitis AI提供两种应用例程,VART和Vitis AI Library,下文详细描述了Vitis AI Library中refinedet应用的实现过程。

Vitis AI修炼秘籍(4)——DPU IP的系统集成

Xilinx提供了一些基础的开发板平台内嵌在Vitis IDE中,用户可以直接从这些platform创建应用程序。但如果是自定义的板卡或者想要部署更多加速器IP、配置不同的性能,我们就需要创建完全自定义的硬件平台。本文介绍创建Vitis AI硬件平台的基本步骤。

zynqmp单板通过ssh与虚拟机通信

将zynqmp单板和电脑主机通过网线连接到同一个交换机。单板和电脑上电后,打开虚拟机,将网络连接设置成桥接模式。进入虚拟机,查询虚拟机ip地址

Vitis AI修炼秘籍(3)—— 开发板测试与Linux系统构建

经过前面的实验,我们已经基本摸清楚了Vitis IDE & Vivado的使用方法。在开始构建DPU与深度学习软件栈之前,我们先对我们拿到的开发板做个体检(硬件全面测试),由于大部分深度学习软件框架都是运行在Linux, android或IOS等嵌入式系统上,因此测试完硬件后还需要搭建一个Linux系统以供后续开发使用。

Vitis AI修炼秘籍(2)——熟悉Vitis软件的使用之LED驱动

本篇笔记以点亮图中所有的LED为目的,回顾下Vivado的使用,并且开始了解Vitis的开发流程(原来开发环境为SDK)。

Vitis AI 编译dnndk应用

在Vitis AI library中的模型在自定义单板使用中,介绍了如何进行模型库编译,下一步要将模型加入到AI应用中进行编译,生成可执行文件。

Vitis AI修炼秘籍(1)——Vitis统一软件平台简介

本系列笔记旨在更深入的探索Vitis以及Vitis内部所使用到的技术,本系列主要针对深度学习部署进行探索,比如自定义自己的深度学习硬件平台,深度学习模型量化、模型编译、TVM自动调优,多DPU核异构系统的调度计算等等。