Vitis-AI

Vitis-AI提供了大量的预构建模型。这个项目描述了如何利用这些模型来实现车牌识别。

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。

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 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

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

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

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。

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。

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。