Vitis™ AI 开发环境自定义 OP
judy 在 周二, 11/08/2022 - 09:40 提交
本视频主要展示如何使用 AMD Xilinx Vitis AI 自定义 OP 流程执行用户定义 AI 模型。
Vitis-AI
系列研讨会｜基于 AMD 赛灵思自适应平台的 Vitis AI 开发
judy 在 周三, 10/26/2022 - 11:41 提交
本次开发者网络研讨会系列将分为三个章节，将分别演示如何集成深度学习处理单元
Vitis AI Library 用户指南
judy 在 周三, 09/21/2022 - 11:25 提交
Vitis AI Library 是一组高层次库和 API，专为利用深度学习处理单元 (DPU) 来高效执行 AI 推断而构建
Vitis AI 全图优化器介绍
judy 在 周四, 09/08/2022 - 15:17 提交
本视频主要演示 WeGo 如何通过在框架内提供分区、量化及编译自动化，帮助提供从训练到部署的增强用户体验
Vitis AI 下载的模型缺少应用
judy 在 周五, 04/15/2022 - 14:52 提交
我用的硬件板卡是ZCU102，从Vitis AI的AI-Model-Zoo中下载了pt_unet_chaos-CT_512_512_23.3G_2.0模型的ZCU102文件，解压后发现只有编译好的.xmodel文件
PyTorch快速微调量化的一个例子
judy 在 周一, 02/21/2022 - 17:26 提交
训练好的模型在部署过程中的Vitis AI转换过程要经过优化、量化和编译等步骤。尤其是量化，可以通过三种不同的方式实现。
Vitis AI RNN用户指南 (v1.4.1)
judy 在 周三, 12/22/2021 - 17:48 提交
本文提供了在Xilinx® 硬件平台上实现循环神经网络（RNN）的操作和参考信息。
基于Vitis AI 1.4 实现 Graph Runner 的方法介绍
judy 在 周三, 12/15/2021 - 15:08 提交
本文将重点讲解如何调用 VART API 以运行 XIR 图形。同时，假设我们在处理程序内已有XIR 图形，我们将了解到如何创建runner以及如何在编译流程中启动 graph runner。
Vitis AI - 如何利用张量提升内存使用效率
joycha 在 周五, 11/19/2021 - 11:40 提交
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。
【FPGA培训课程系列】基于Vitis AI平台的人工智能解决方案开发
judy 在 周一, 11/15/2021 - 10:03 提交
本次为期2天的线下讲座，将基于边缘端器件，搭配Xilinx MPSoC官方开发板ZCU104，引领开发者快速搭建Vitis AI开发环境，熟悉Vitis AI开发的设计流程及其基本技巧