アプリケーション要件は、次の 3 つのカテゴリに分類されます。
- Vitis™ AI ライブラリにあるモデルを使用して、独自アプリケーションを構築する。
- Vitis AI ライブラリのモデルに類似したユーザー独自のカスタム モデルを使用する。
- Vitis AI ライブラリのモデルとはまったく異なる新しいモデルを使用する。
この章では、最初の 2 つのケースの開発手順について説明します。3 つ目のケースでは、参考用として Vitis AI ライブラリのサンプルおよび実装を利用できます。この章の内容は、次のとおりです。
- プリプロセスのカスタマイズ
- コンフィギュレーション ファイルを使用してプリプロセスおよびポストプロセスのパラメーターを指定
- Vitis AI ライブラリのポストプロセス ライブラリを使用
- 独自のポストプロセス コードを実装
- xdputil ツールを使用
次の図に、Vitis AI ライブラリ API と対応するサンプルの関係を示します。このリリースには、4 種類の API があります。
- VART に基づく Vitis AI ライブラリ API_0
- AI ライブラリに基づく Vitis AI ライブラリ API_1
- DpuTask に基づく Vitis AI ライブラリ API_2
- Graph_runner に基づく Vitis AI ライブラリ API_3
図 1. AI ライブラリ API の図
アプリケーションに応じた API の選択
アプリケーションに応じた API を選択する際は、次の推奨事項に従ってください。
- モデルが複数のサブグラフに分割されている場合、モデルの運用には API_3
Graph_runner
を推奨します。 - モデルにカスタム op が含まれる場合、モデルの運用には API_3
Graph_runner
を推奨します。 - モデル、プリプロセス、ポストプロスなどの AI アルゴリズムを使用した経験がなく、最大限の性能が必要な場合は、API_1
AI_Library
を推奨します。 -
ザイリンクスのモデルを使用して迅速にアプリケーションを構築する必要がある場合は、API_1
AI_Library
を推奨します。 -
Vitis AI ライブラリ サポート ネットワーク リストを使用して、独自のデータで再学習したカスタム モデルを使用する場合は、API_1
AI_Library
を推奨します。 - カスタム プリプロセスまたはポストプロセス アルゴリズムを使用する必要がある場合は、API_2
DpuTask
を推奨します。 - AI アルゴリズムの使用経験が豊富で、複数プラットフォーム上で AI アルゴリズムを開発および適用する必要がある場合は、API_0
VART
を推奨します。