从边缘到云的最佳人工智能推断
Vitis™ AI 开发环境是 Xilinx 的开发平台，适用于在 Xilinx 硬件平台（包括边缘器件和 Alveo 卡）上进行人工智能推断。它由优化的 IP、工具、库、模型和示例设计组成。Vitis AI 以高效易用为设计理念，可在 Xilinx FPGA 和 ACAP 上充分发挥人工智能加速的潜力。
您的开发如何与 Vitis AI 协作：
- 支持主流框架和最新的模型，能够执行不同的深度学习任务
- 提供一系列全面的预先优化模型，这些模型现已就绪，可随时部署在 Xilinx 器件上。您可以找到最相似的模型，开始针对您的应用重新训练！
- 提供功能强大的开源量化器，支持剪枝和未剪枝的模型量化、校准和微调。
- AI 分析器提供逐层分析，有助于解决瓶颈问题
- AI 库提供高层次 C++ 和 Python API，可实现从边缘到云端的最大可移植性。
- 可以从吞吐量、时延和电源角度定制可扩展的高效 IP 内核，满足您对许多不同应用的需求。
使用 Vitis AI 探索一切可能性
AI Model Zoo
向所有用户开放一系列来自最流行框架 Pytorch、Tensorflow、Tensorflow 2 和 Caffe 的现成深度学习模型。AI Model Zoo 提供了优化且可重训练的 AI 模型，借助它们，您可在所有 Xilinx 平台上实现更快的部署、性能加速和产品化。
AI 优化器
有了世界领先的模型压缩技术，我们可以在对精度影响极小的情况下，将模型的复杂性降低 5 至 50 倍。深度压缩可将您的 AI 推断性能提升到一个新的层次。
AI 量化器
通过将 32 位浮点权值和激活量转换为 INT8 这样的定点，AI 量化器可在不影响预测精度的情况下，降低计算复杂度。定点网络模型需要的内存带宽更少，因此比浮点网络模型速度更快，电源效率更高。
AI 编译器
将 AI 模型映射至高效指令集及数据流。还可执行高级优化任务，如层融合和指令排程等，并可尽量重复使用片上内存。
AI 配置器
性能分析器有助于程序员深入分析 AI 推断实现方案的效率和利用率。
AI 库
Vitis AI 库是一组高层次库和 API，旨在通过深度学习处理器单元（DPU）进行有效的 AI 推断。它基于带有统一 API 的 Vitis AI Runtime 构建，并为 Xilinx 平台上的 AI 模型部署提供了易于使用的接口。
Vitis AI 文档
助力自动驾驶和 ADAS 技术
实时多类 3D 对象检测
借助 Vitis AI，您可在嵌入式平台上使用 3D 感知 AI 算法实现实时处理。硬件和软件加速的共同优化实现了 Xilinx ZU + MPSoC 上 PointPillars 模型的领先性能。
观看视频 >
面向自动驾驶的超低延时应用
延迟决定了自动驾驶汽车在高速行驶时和遇到障碍物时的决策。通过创新的领域特定加速器和软件优化，Vitis AI 使自动驾驶汽车能够以超低延迟和更高性能来处理深度学习算法。
对象检测与分割
Vitis AI 具有强大的可扩展性和自适应性，可适用于许多低端到高端的 ADAS 产品，提供业界领先的性能，支持流行的 AI 算法，用于前端 ADAS 中的对象检测、车道检测和分段以及车内或环绕声查看系统。
使城市更智能、更安全
视频分析
城市越来越多地在边缘点和云端采用基于智能的系统。每天生成的海量数据需要强大的端到端 AI 分析系统，以便快速检测和处理对象、流量和面部行为。这为从边缘到云的每个框架增加了宝贵的见解。
了解更多有关 Xilinx 机器与计算机视觉的信息 >
利用人工智能的强大力量以提升健康
本地及数据中心中的 AI
数据中心加速
了解更多有关 Xilinx 数据中心的信息 >
视频
研讨会
使用 Vitis AI 实现灵活应变的 AI 推断
本次网络研讨会将深入探讨 Vitis AI 的关键组件，并向您展示如何在 Xilinx 硬件平台上实现灵活应变且高效的 AI 推断。
Vitis AI 的深度探讨
通过本次网络研讨会，了解如何使用 Vitis AI 部署和运行您针对 Xilinx 嵌入式 SoC 和 Alveo 加速平台预先训练好的 DNN 模型。然后开始使用 Vitis AI 在板上运行示例。
利用 Xilinx Vitis 加速 AI 相机开发
了解如何将 Xilinx MPSoC 与 Vitis 结合使用以实现 AI 摄像头设计。
整体应用加速
在本次网络研讨会上，我们将展示 Vitis 和 Vitis AI 如何帮助开发人员在 Xilinx 平台上加速整个应用。
DPU-PYNQ 适用于由 Python 提供支持的边缘 AI 设备
Chris Anderson 与 Xilinx 的 Quenton Hall 针对开发人员如何在边缘 AI 设备中使用 ZYNQ FPGA 进行了交流。