Vitis™ 求解器库具有性能优化的矩阵分解、线性/特征值求解器等。 它们可用于设计 RADAR、LiDAR、计算机视觉和数学金融等各种应用中的加速算法。
Vitis 求解器库内核可用作独立加速器，可由嵌入式/主机 CPU 代码调用。 它还可以与其他 Vitis 库内核和原语结合使用，以加速端到端处理流水线。
当前可用的主要加速功能包括 SVD（奇异值分解）、QR & LU (lower-upper) 分解、矩阵求逆、三角求解器和特征值分解。
Vitis 求解器库 – 特性
Vitis Solver 库目前包含对密集矩阵的以下操作：
矩阵分解
- 对称正定矩阵的 Cholesky 分解
- 无轴转及有部分轴转的 LU 分解
- 一般矩阵的 QR 分解
- 对称矩阵及非对称矩阵的奇异值分解 (SVD)（Jacobi 法）
线性求解器
- 三对角线矩阵线性求解器（平行循环约化法）
- 三角矩阵的线性求解器
- 对称及非对称矩阵的线性求解器
- 对称及非对称矩阵的逆矩阵
特征值求解器
- 对称矩阵的 Jacobi 特征值求解器
可编程逻辑 (PL) 和 AI 引擎 (AIE) 阵列的函数表
Vitis Solver 库主要面向 Vitis 内核开发人员，可帮助他们加速应用开发。该库提供两层 API，即 L1 和 L2。L1 和 L2 函数均已列入下表。
Vitis Solver 库 2022.2 版增加了两个新的 AI 引擎功能：QR 分解和 Cholesky 分解。
| 求解器库函数 | |
|---|---|
| L1 | 正交旋转 (QR) 分解 |
| QR_Inverse | |
| 奇异值分解 (SVD) | |
| Cholesky_Inverse | |
| Cholesky 分解 | |
| AIE 的 QR 分解 | |
| AIE 的 Cholesky 分解 | |
| L2 | 矩阵分解 |
| 特征值求解器 | |
| 线性求解器 | |
L1 和 L2 API 的特性如下文所述。
| L1 API | 矩阵分解函数。设计为支持内存接口（指向 BRAM 或 URAM）的 HLS 组件。这些 API 支持各种数据类型，包括 float、double 或 complex。由于 L1 API 需要在内存中准备好所有输入数据，因此它们确实有输入矩阵总量的上限。 |
|---|---|
| L2 API | 在 FPGA 器件上运行的内核。这些 API 支持双精度浮点类型。它们不仅可通过读取 DDR/HBM 获得输入，而且还可通过写入 DDR/HBM 输出结果。它们可从主机端调用。 |
条理性
Vitis Solver 库可组织成 L1 及 L2 文件夹，每个文件夹都与应用开发的不同阶段有关。
L1：L1 中的 Makefiles 和源代码有助于快速检查基于 HLS 的流程。
L2：L2 中的 Makefiles 和源代码有助于使用在 OpenCL™/XRT 框架（针对一个器件）中写入的主机代码，从内核的各种来源（HDL、HLS 或 XO 文件）构建 XCLBIN 文件。
