Vitis AI(01) Overview

已于 2022-07-06 08:58:57 修改
阅读量2.6k 收藏 9
点赞数 2
分类专栏： Vitis AI 文章标签： python c语言
于 2022-04-28 15:56:42 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/abcxy2161/article/details/124475986
版权
本文详细介绍了Vitis AI开发环境和全流程，包括Models Zoo、Optimizer、Quantizer、Compiler等组件，强调硬件平台和DPU的自定义，以及开发环境配置如使用PetaLinux2021.2的重要性。此外，还涵盖了从模型训练、量化、编译到在FPGA上部署的全过程。
摘要由CSDN通过智能技术生成

研究Vitis AI好几个月了，终于实现了在VitisAI平台上部署神经网络模型并成功运行的目标，搞清楚了在整个全流程中如何做自定义，这里的自定义主要包括以下几个方面

  • 硬件平台自定义：这里的硬件平台指的不是PCB板级自定义，而是在Xilinx FPGA芯片上的硬件工程自定义。由于不同人不同项目使用的FPGA芯片架构、型号各有不同，为不同的FPGA芯片准备一个DPU可以运行的硬件平台是非常重要的
  • DPU自定义：模型最终依赖DPU运行，而DPU的编译依赖FPGA芯片资源，不同FPGA芯片资源能力不同，因此需要针对所用的FPGA芯片资源来定制DPU参数
  • 模型自定义：官方仅给出了适用于固定demo板型号的固定数量的预训练模型，而如果所用FPGA平台不是对应demo板的型号，或者想运行自己的模型，需要对模型进行量化压缩编译

本系列将对使用Vitis AI进行神经网络应用加速进行全流程的讲解，阅读本系列，您可以了解到以下内容

  • 什么是Vitis AI，Vitis AI的软件栈如何使用？
  • 什么是DPU，如何在FPGA上部署DPU，DPU的各个参数是什么含义？
  • 进行Vitis AI开发的环境要求是什么，有哪些资源方面的要求？
  • Vitis AI开发需要下载安装哪些依赖工具，什么才是最为正确和高效的配置
了解本专栏 订阅专栏 解锁全文 超级会员免费看
Wei.Studio
关注
专栏目录
订阅专栏
FPGA上利用Vitis AI部署resnet50 TensorFlow神经网络模型
u013804334的博客
07-07 2241
参考Xilinx官方教程克隆 Vitis AI 存储库以获取示例、参考代码和脚本(连接github失败可能需要科学上网)。安装Docker安装完docker后，下载最新Vitis AI Docker，将官方的指令改为，从中三选一。遇到问题如下，使用切换到3.0版本运行以下命令安装交叉编译系统环境如果提示，需要使用chmod命令修改文件权限，使文件可执行下载并设置开发板镜像。
vitis-ai中文资料.pdf
08-02
中文手册方便入门过程中快速打通流程
【FPGA设计】Vitis AI概述
最新发布
qq_45355365的博客
08-03 472
【FPGA设计】Vitis AI概述
Vitis-AI运行Emulation-HW神坑
tuinenglun8575的博客
11-02 419
export LIBARARY_PATH=/usr/lib/x86_64-linux-gnu sourece settings64.sh 否则Emulation-HW会报错： recipe for target failed
Vitis AI-FPGA实时智能零售系统
OpenFPGA的博客
12-05 482
整个系统是以DPU为核心，在 DPU 上部署对象检测模型实现实时智能检测，该系统视频输入可以来自 VCU 解码的视频或来自相机的实时视频图像。介绍Checkout So Easy 是本次介绍的项目系统名称。是在ultrascale+上利用 VCU 和 DPU 实现的智能零售系统。Checkout So Easy 有两种应用场景：1.Checkout So Easy充当云端将记录商品的视频以 mp4...
探索未来智能——Xilinx Vitis AI: 深度学习加速器的创新实践
gitblog_00047的博客
03-26 478
探索未来智能——Xilinx Vitis AI: 深度学习加速器的创新实践 Vitis-AIVitis AI is Xilinx’s development stack for AI inference on Xilinx hardware platforms, including both edge devices and Alveo cards.项目地址:https://gitcode.co...
Vitis AI 基本认知（入门 Vitis AI 开发环境+运行模型检查器）
hi94的博客
04-06 1627
Xilinx使用docker分发Vitis AI，这让开发者可以非常方便地构建Vitis AI开发环境，借助Jupyter Lab，可以很轻松运行Vitis AI各项指令，并在其中添加注释信息。Inspector可以以图形化的方式展示PyTorch或TensorFlow模型的网络结构,包括运算层、数据尺寸、数据流动等信息。这可以帮助开发者更直观地理解模型结构。
xilinx vitis ai使用方法
05-20
### Xilinx Vitis AI 使用方法详解 #### 一、Vitis AI 开发工具包概述 Xilinx Vitis AI 是一个全面的开发环境，专为在Xilinx硬件平台上进行AI推理而设计，支持从边缘设备到Alveo加速卡等多种硬件。Vitis AI 由优化...
Vitis AI 全中文文档集合
weixin_45825101的博客
08-28 868
Vitis AI 全中文文档集合
在linux下安装VITIS-AI人工智能开发环境配置
FPGA/MATLAB学习教程/源码/项目合作开发
12-06 3920
步骤一、docker环境搭建 由于 apt 官方库里的 docker 版本可能比较旧，所以先卸载可能存在的旧版本： User:$ sudo apt-get remove docker docker-engine docker-ce docker.io 1.安装 curl 包： User:$ sudo apt-get install curl 2.添加 Docker 官方的 GPG 密钥： User:$ curl -fsSL https://download.docker.com/l
Vitis-AI:Vitis AI是Xilinx的开发堆栈，用于在Xilinx硬件平台（包括边缘设备和Alveo卡）上进行AI推理
05-13
Xilinx:registered:Vitis:trade_mark:AI是在Xilinx硬件平台（包括边缘设备和Alveo卡）上进行AI推理的开发堆栈。 它由优化的IP，工具，库，模型和示例设计组成。 设计时考虑到了高效率和易用性，充分发挥了Xilinx ...
Vitis AI——FPGA学习笔记＜?＞
qq_32971095的博客
03-29 1170
边缘计算edge-ai；edge端inference全栈部署方案。
Vitis AI 工具概述
weixin_45825101的博客
02-20 4290
Vitis™ AI 开发环境可在赛灵思硬件平台上加速 AI 推断，包括边缘器件和 Alveo™ 加速器卡。此环境由经过最优化的 IP 核、工具、库、模型和设计示例组成。其设计以高效和易用为核心，旨在通过赛灵思 FPGA 和自适应计算加速平台 (ACAP) 来充分发掘 AI 加速的全部潜能。Vitis AI 开发环境将底层 FPGA 和 ACAP 的繁复细节加以抽象化，从而帮助不具备 FPGA 知识的用户轻松开发深度学习推断应用。
Vitis AI VART自动驾驶应用
硬码农二毛哥的博客
08-12 1405
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。 编译AI模型 对于DNNDK API和VART API编译AI库的方式相同， 编译yolov3模型 yolov3模型用于自动驾驶。 $~/Vitis-AI/AI-Model-Zoo/all_models_1.2/caffe $cp -r dk_yolov3_cityscapes_256_512_0.9_5.46G_1.2/ ../../../Tool-Example/ $cd ~
Vitis AI 基本认知（入门资源汇总）
hi94的博客
07-25 957
本文提供了多个有用的资源链接，包括环境搭建、使用 inspector 检查模型、解释量化过程等，以及指向官方文档和教程的链接，帮助用户更深入地了解和使用 Vitis AI。通过这些资源，用户可以更容易地开始他们的 Vitis AI 项目，无论是在边缘设备还是云平台上。
【vitis-ai docker_gpu 国内编译教程】
威儿笑的博客
01-30 2563
xilinx vitis-ai 1.3.2 docker_gpu 编译
vitis-ai-gpu FPGA实现部分
qq_34430032的博客
01-21 893
来源： a. 几个代码教程：https://github.com/Xilinx/Vitis-In-Depth-Tutorial/tree/master/Machine_Learning其中example2的代码主要供我们参考 b. 安装系统：https://github.com/Xilinx/Vitis-AI/blob/master/demo/VART/README.md c. 安装docker（其中碰到的nvidia-container-runtime问题，参考另外一篇博客）：https://g..
Vitis-ai(V3.0) YOLOV3的量化
qq_38300506的博客
01-18 1455
2）将自己YOLOV3推理所需要的代码移动到Vitis-AI-3.0\examples\vai_quantizer\pytorch内。3）cd 进入Vitis-AI-3.0\examples\vai_quantizer\pytorch内。3 配置VSCODE+WSL+Ubuntu（windows11/10子系统）1）从vscode 内采用快捷键(Ctrl+~)进入命令界面。参照resnet18.py直接调用模型，首先执行。2)训练自己的数据集、评估数据集、推理数据集。1）下载Vitis-ai3.0 版本。
vitis Ai3.0
07-27
Vitis AI 3.0是Xilinx推出的一款人工智能开发平台。根据引用\[1\]和引用\[2\]的内容，你可以按照以下步骤来使用Vitis AI 3.0： 1. 首先，你需要克隆Vitis AI存储库并获取示例、参考代码和脚本。使用以下命令克隆存储库： ``` git clone https://github.com/Xilinx/Vitis-AI cd Vitis-AI ``` 2. 接下来，你需要启动Vitis AI的Docker容器。根据你之前安装的框架选择相应的命令。例如，如果你安装了pytorch-gpu版本，可以使用以下命令： ``` cd <Vitis-AI install path>/Vitis-AI ./docker_run.sh xilinx/vitis-ai-opt-pytorch-gpu:latest ``` 3. 在启动Docker容器后，你将看到类似于引用\[3\]中的输出。这表示你已经成功设置了Vitis AI的环境。你可以使用以下命令激活Vitis AI的pytorch环境： ``` conda activate vitis-ai-pytorch ``` 通过按照以上步骤，你可以开始使用Vitis AI 3.0进行人工智能开发。请注意，这只是一个简要的概述，具体的操作步骤可能会因为你的环境和需求而有所不同。建议你参考Xilinx官方文档和资料以获取更详细的指导和信息。 #### 引用[.reference_title] - *1* *2* [Xilinx Ubuntu环境下docker&Vitis AI 3.0基于GPU的环境安装](https://blog.csdn.net/lzq6261/article/details/129909204)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [Vitis-AI 3.0 GPU Docker 安装踩坑及修改](https://blog.csdn.net/QHY0227/article/details/130750089)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Wei.Studio

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值