Vitis AI 2.5 让 AI 加速体验更上一层楼

Vitis AI 2.5 的模型库增加了广受欢迎的NLP及更多 CNN 模型，例如 Bert-base，Vision Transformer、端到端 OCR， 以及应用于 SLAM 场景的SuperPoint 与  HFNet 模型等。随着 AMD 对赛灵思的收购， AMD 进一步获得了卓越的软硬件功能；如今，Vitis AI 2.5 支持基于 AMD EPYC 服务器处理器的深度神经网络 ZenDNN 库的 38 种基本模型和优化模型。可以想象，更多的 AMD CPU 用户将通过 Vitis AI 体验更快的 AI 性能加速。

在上一个版本 Vitis AI 2.0 中，我们首次增加了“全图形优化器（ WeGO ）”这一功能，并在开发者群体中获得了积极的反馈。通过将Vitis AI 堆栈与主流AI框架的集成，WeGO 提供了一套便捷的在云端深度学习处理器单元（ Deep Learning Processing Unit，以下简称DPU ）上部署 AI 模型的方案。在 Vitis 2.5 中，WeGO 进一步支持了 Pytorch 和 Tensorflow 2 框架。此外，还新增了图像分类、目标检测和分割等 19 个示例，旨在帮助用户在数据中心平台上更顺利地部署 AI 模型。

AMD 赛灵思平台上卓越的 AI 加速性能，离不开一系列强大的AI加速引擎和易于使用的软件工具。目前，我们向主要的 FPGA、自适应 SoC、Versal ACAP 以及 Alveo™ 数据中心加速器卡提供可扩展的深度学习处理器单元DPU。

随着 Vitis AI 2.5 的发布，Versal DPU IP 可支持 Versal AI Core 系列 VC1902 器件上的多个计算单元模式（ Multiple compute unit ），支持 Depthwise 卷积和 LeakyReLU 算子组合等；Zynq Ultrascale MPSoC DPU IP 新增了由算术逻辑单元（ ALU ）实现的 Pool 和 Depthwise 卷积功能，HardSigmoid 和 HardSwish 功能，Depthwise 卷积结合 LeakyReLU算子组合，此外，还支持大 kernel-size MaxPool、大kernel-size AveragePool及矩形kernel-size AveragePool ，以及 16 位常数权重等新功能。

数据中心端 DPU IP 新增支持更大kernel-size 的Depthwise 卷积（从1x1到8x8），支持基于 AI 引擎（ AI Engine ）的 pooling、ElementWise 加法及乘法，和大 kernel-size pooling 等功能，满足更多云端 AI 应用开发需求。

最新有关Xilinx 赛灵思的文章