Vitis-AI

为专用硬件架构设计神经网络，是近年来的热门话题，特别是在边缘器件上。在本次演讲视频中，您将了解如何借助 Once-for-All 神经网络，以低成本形式为 Xilinx 普及型 AI 平台 Vitis AI 搜索和部署高效率模型。

本视频简要介绍了 Vitis AI 1.3 工具链，其中包括支持框架的量化器和编译器，并演示了设计流程。

随着第三次人工智能浪潮的到来，AI正以前所未有的速度覆盖生产和管理等领域，市场对AI推断的效率与易用性都提出了更高的要求。赛灵思通过 Vitis AI和自适应计算加速平台充分发掘AI 加速潜能并将底层 FPGA 和 ACAP 的繁复细节抽象化，帮助缺乏专业知识的用户轻松开发深度学习推断应用，再度刷新AI推断的高效性和易用性。

本示例工程中我们会在 TensorFlow2 下使用 Keras API 创建一个自定义 CNN 网络，在 Vitis-AI 1.3 环境下编译成 Xilinx DPU 上运行的模型文件，并在 Xilinx zynqMP 上部署运行。该示例工程应在 Vitis-AI1.3 Docker，vitis-ai-tensorflow2conda 环境中运行。

本视频简要介绍了 Vitis AI Edge IP 的计划和架构，包括全新 1.3 版本中的新增功能。

本视频快速介绍 Vitis AI Model Zoo 的计划和内容，包括全新 1.3 版本中的新增功能。

本文描述了Vitis™ AI开发包，这是一个用于深度学习处理器单元（DPU）的全栈深度学习SDK。

本视频将介绍Vitis AI 设计流程原理及Vitis AI1.3版的新功能。