Vitis-AI

在数据处理中，对原始数据进行重塑或重新排序并创建多个副本是很常见的行为。无论执行任何新步骤，都会创建新副本。随着程序的增大，占用的内存也会增大，我几乎从未考虑过这个问题，直到遇到了“内存不足”错误。

本文设计了基于深度学习的人脸口罩佩戴识别系统。该方法在利用自主设计的图像识别网络以及Xilinx最新的vitis-ai技术快速开发出符合要求的系统。利用近1万个公开数据，并采用数据增强等方法，在训练后得到95%的识别准确率

本次网络研讨会将深入探讨 Vitis AI 的关键组件，并向您展示如何在 Xilinx 硬件平台上实现灵活应变且高效的 AI 推断。

通过本次网络研讨会，了解如何使用 Vitis AI 部署和运行您针对 Xilinx 嵌入式 SoC 和 Alveo 加速平台预先训练好的 DNN 模型。然后开始使用 Vitis AI 在板上运行示例。

本期AI观察室，让我们走近赛灵思AI算法总监田露，走进一个女工程师的世界，了解一个她和她所代表的女工程师的实践与思考。。

随着 AI 模型所需算力发生数量级增长， AI 推断对于硬件的需求大大增加。而摩尔定律的日渐式微，让架构创新成为希望之星。只有特定领域架构（DSA）才能确保硬件可以跟上不断增长的 AI 推断需求——DSA代表着未来计算，即为“每种类型的工作负载”定制自适应硬件，以实现最高的运行效率

Vitis™ AI 开发环境是 Xilinx 的开发平台，适用于在 Xilinx 硬件平台（包括边缘器件和 Alveo 卡）上进行人工智能推断。它由优化的 IP、工具、库、模型和示例设计组成。Vitis AI 以高效易用为设计理念，可在 Xilinx FPGA 和 ACAP 上充分发挥人工智能加速的潜力

Vitis™ AI 开发环境是 Xilinx 的开发平台，适用于在 Xilinx 硬件平台（包括边缘器件和 Alveo 卡）上进行人工智能推断。它由优化的 IP、工具、库、模型和示例设计组成。Vitis AI 以高效易用为设计理念，可在 Xilinx FPGA 和 ACAP 上充分发挥人工智能加速的潜力。

本视频演示了如何设置主机以在云或嵌入式器件上开发和运行 Vitis AI 开发环境应用。