Vitis-AI

使用Caffe模型+DPU进行实时人脸检测:Vitis-AI 3.0的非官方支持流程

近年来,深度学习框架的快速发展使得人工智能应用领域取得了巨大的进步。其中,Caffe框架以其简单易用、高效快速的特点受到了广泛关注和应用。

DPU Fingerprint详解

本文将会详细介绍关于DPU Fingerprint的相关内容,并提供此类校验失败问题的检查手段和解决方案。

Vitis AI 优化器加速技术

Vitis AI Optimizer支持对神经网络模型进行最优化

Vitis AI 工具概述

深度学习处理器 (DPU) 是一个专为深度神经网络而优化的可编程引擎。它由一组可参数化的 IP 核组成

Vitis AI 优化器用户指南

本文档涵盖了以下设计进程:机器学习和数据研究——将机器学习模型从 PyTorch、TensorFlow

VCK5000运行Vitis-AI 3.0 WeGO实时量化演示

VCK5000在vitis ai 3.0对应的shell版本为xilinx-vck5000-gen4x8-qdma-base_2

使用 AXI CDMA 制作 FPGA AI 加速器通道

本项目主要是设计AI加速器,利用Xilinx的CDMA加载权重,输入到PL区的Block Ram

如何用Inspector检查诊断浮点模型

本文以vitis-ai-pytorch环境为例,描述了Inspector的用法并给出示例。

ZYNQ Vitis AI的开发流程

Vitis-AI在边缘计算设备的AI全栈部署框架中扮演了编译器端与后端的角色,接收前端 DNN 框架训练后的网络参数IR

基于Vitis-AI的yolov5目标检测模型在ZCU102开发板上的部署过程分享

本篇博客记录移植yolov5模型的整个过程