AI 推断简介
Xilinx 提供全面的硬件和软件解决方案，以实现 AI 推断。下图显示了高层次组件。
框架
模型
Custom
Model Zoo
Custom
实现软件
数据中心
边缘
硬件
数据中心
边缘
硬件覆盖 (DSA)
开发板
芯片
- 部署在推断应用中时，Xilinx 适应性极强的硬件可加速大多数 AI/ML 模型
- 该模型由 Xilinx 工具优化，这些工具能与行业标准框架协同工作
- 优化后，该模型能够与 Xilinx 运行时及驱动程序软件协同工作，优化后的部分运行在 Xilinx 硬件中
- 移植非常简单，不需要硬件专业技术，也不需要 FPGA 编程经验
- Xilinx 的 AI 优化工具提供深度神经网络 (DNN) 修正和量化以及其它优化功能，可减少模型尺寸，对精度的影响极小。
- 尽管可以根据确切的应用使用定制精度，通常情况下，模型也被量化为 16 位或 8 位，以便实现推断。
模型
Xilinx AI 平台支持大量 AI/ML 模型，如下图所示。我们始终致力于将最新的模型引入我们的平台。
| 应用 | 任务 | 算法 | 数据中心 AI 平台支持 | 边缘 AI 平台支持 |
|---|---|---|---|---|
| 通用 | 图像分类 | Googlenetv1、Resnet50、Resnet101、Resnet152 Inception v1、BN-inception、VGG16、SqueezeNet、Mobilenet、MobilenetV2 | ✔ (Subset) | ✔ (Subset) |
| 目标检查 | MobilnetV2-SSD, SSD, YOLO v2, YOLO v3, Tiny YOLO v2, Tiny YOLO v3 | ✔ (Subset) | ✔ | |
| 市场细分 | ENet, ESPNet | ✔ | ||
| 面部 | 面部检查 | SSD、Densebox | ✔ | |
| 路标定位 | 坐标回归 | ✔ | ||
| 面部识别 | ResNet + Triplet / A-softmax 丢失 | ✔ | ||
| 面部属性识别 | 分类与回归 | ✔ | ||
行人 |
行人检查 | SSD | ✔ | |
| 姿态估计 | 坐标回归 | ✔ | ||
视频分析 |
目标检查 | SSD、RefineDet | ✔ | |
| 行人属性识别 | GoogleNet | 即将推出 | ✔ | |
| 汽车属性识别 | GoogleNet | 即将推出 | ✔ | |
| 汽车属性识别 | 修改的 Densebox + GoogleNet | 即将推出 | ✔ | |
| 车牌检查 | 修改的 DenseBox | 即将推出 | ✔ | |
| 车牌识别 | GoogleNet + 多任务学习 | 即将推出 | ✔ | |
ADAS/AD |
目标检查 | SSD、YOLOv2、YOLOv3 | ✔ | |
| 车道检测 | VPGNet | ✔ | ||
| 语义分割 | FPN | ✔ |
数据中心 AI 平台
数据中心 AI 平台支持行业标准框架
您可带入您自己训练的模型，也可从我们的模型专区提供的模型开始
Xilinx ML 套件提供最佳 FPGA 实现方案的全面优化，以及运行时和硬件 DSA
面向 Xilinx Alveo 加速卡、您自己的自定义卡，或者 FPGA-as-a-Service，如 Amazon AWS
AI 边缘平台
Xilinx 边缘 AI 平台提供全面的工具和模型，其可充分利用独特的深度压缩及硬件加速深度学习技术。
该平台为嵌入式 CPU FPGA 提供高效、便捷、经济的推断部署。
Xilinx AI 团队由著名的研究人员和经验丰富的专业人士组成，他们以其在深度学习领域的开创性工作而闻名。
