Vitis AI修炼秘籍(1)——Vitis统一软件平台简介
judy 在 周一, 09/06/2021 - 09:43 提交
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。
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。
本文通过使用 Design Gateway 的 TOE100G-IP 内核和 NVMeG4-IP 内核,在 Xilinx 的 KCU116 评估套件上演示了 TCP 卸载引擎网络和 NVMe SSD 实现的100Gbps 解决方案。
在Vitis AI设计中,构建模型是其中非常重要的一步。如果使用调用的模型库呢?
设计创新型无线通信设备需要跨多个学科密切合作。将算法模型部署到 FPGA 硬件可以快速完成原型设计及无线测试,直接从系统级算法自动生成 HDL 代码则可以消除耗时较长的实现和验证步骤。本白皮书通过一个 5G NR 小区搜索设计来说明该过程,介绍将 MATLAB® 算法和 Simulink® 模型直接转换为适用于 FPGA 的 HDL 的工作流。
双核S7-VU19P逻辑系统配置了双颗赛灵思 UltraScale+ VU19P FPGA,多套逻辑系统可堆叠或机架部署,以支持更大逻辑规模的设计。搭配芯神瞳协同仿真套件轻松实现将设计链接到原型验证环境,允许大量的事务级数据在 FPGA 与 PC 主机之间进行交互;同时可选配内置的深度调试套件 MDM Pro,用于多颗FPGA的深度调试
本篇博文中的分析是根据真实客户问题撰写的,该客户发现硬件中存在 DDR4 校准错误,不同板以及不同构建 (build) 之间出现的故障并不一致。本篇博文旨在演示用于缩小根本原因范围以及修复此问题的部分调试技巧。
Vitis AI开发套件提供high-leve C++/Python APIs(VART)进行从云到边器件开发。对于边缘DPU,除了VART,还可以使用advanced low-level C++/Python APIs。
新兴的 5G 网络依托毫米波频谱运行,这意味着 5G 网络的性能优于 4G 网络,能够以更高的速度、更低的延迟传输更多数据。毫米波频谱技术发展前景广阔,但也使设备制造商面临大量设计挑战。例如,相比低频信号,毫米波频谱信号更易因大气及其他物体的阻隔而衰减。
Xilinx 多任务模型旨在同时完成不同的图像感知任务,同时实现高性能和高效率。凭借 MTLv3 模型,以及在 Vitis AI 的助力下,现可实现面向车辆检测、车道检测、分割、可行驶区域检测和深度评估的 5 个任务,基于一个模型,在边缘实时速度运行。
美国迪芝伦科技有限公司(Digilent)生产开发板和套件以及各种测试测量工具,借助便携式仪器的灵活性,为工程师、研究人员和学生提供专业级的分析能力。作为赛灵思技术的长期用户,该公司继续采用赛灵思 SoC 和 FPGA 器件,开发出两款功能强大的新型测试测量设备,为客户带来更高性能、更低成本和更强的灵活性。