• 支持業界流行框架和最新的模型，能夠執行不同的深度學習任務 - CNN、RNN 和 NLP
• 提供一係列全麵的預先優化 AI 模型，這些模型現已就緒，可隨時部署在 Xilinx 器件上。您可以找到最相似的模型，開始針對您的應用重新訓練！
• 提供功能強大的開源 AI Quantizer，支持剪枝和未剪枝的模型量化、校準和微調。
• 提供用戶友好型編譯和部署流程，可滿足客戶定義的模型和運算符需求
• 提供逐層分析，有助於通過 AI 剖析器解決瓶頸問題
• AI 庫提供高層次 C++ 和 Python API，可實現從邊緣到雲端的最大可移植性。
• 可通過全圖形優化器 (WeGO) 提供流暢的解決方案，以便通過在框架內整合 Vitis AI，在雲計算 DPU 上部署 Pytorch 和 Tensorflow 模型。
• 提供高效率、可擴展、可定製的 DPU IP 核滿足不同的需求，如吞吐量、時延、功率和低精度等

向所有用戶開放一係列來自最流行框架 Pytorch、Tensorflow、Tensorflow 2 和 Caffe 的現成深度學習模型。AI Model Zoo 提供了優化且可重訓練的 AI 模型，借助它們，您可在所有 Xilinx 平台上實現更快的部署、性能加速和亚博平台网站是多少 化。

有了世界領先的模型壓縮技術，AI Optimizer 可以在對精度影響極小的情況下，將模型的複雜性降低 5 至 50 倍。深度壓縮可將您的 AI 推斷性能提升到一個新的層次。

通過將 32 位浮點權值和激活轉換為 INT8 等定點，AI 量化器可在不影響預測精度的情況下，降低計算複雜度。定點網絡模型需要的內存帶寬更少，因此比浮點網絡模型速度更快，電源效率更高。

AI 編譯器可將 AI 模型映射到高效的指令集和數據流。它還可盡可能執行複雜的優化操作，例如，層融合、指令調度和複用片上存儲器。

點擊放大

性能剖析器有助於程序員深入分析 AI 推斷實現方案的效率和利用率。

Vitis AI 庫是一組高層次庫和 API，旨在通過 DPU 核進行有效的 AI 推斷。它基於帶有統一 API 的 Vitis AI Runtime (VART) 構建，並為 Xilinx 平台上的 AI 模型部署提供了易於使用的接口。

框架推斷流程 WeGO 通過利用本地 Pytorch 和 Tensorflow 框架將 DPU 不支持的運算符部署到 CPU 中，提供了一條從訓練到推斷的直接路徑，從而可顯著加速通過雲計算 DPU 的模型部署和評估。

靈活應變的特定域架構 (DSA)，將 CNN、RNN 和 NLP 快速發展的 AI 算法與 Xilinx Zynq® SoC、Zynq UltraScale+™ MPSoC、Alveo 數據中心加速卡以及 Versal® ACAP 上的工業領先性能進行匹配。