Caffe フレームワーク
AMD Vitis™ AI には、Caffe フレームワークを使用した次のニューラル ネットワーク ライブラリが含まれています。
TensorFlow フレームワーク
Vitis AI には、TensorFlow フレームワークを使用した次のニューラル ネットワーク ライブラリが含まれています。
PyTorch フレームワーク
Vitis AI は、PyTorch フレームワークを使用した次のタイプのニューラル ネットワーク ライブラリをサポートしています。
- 分類
- ReID 検出
- 顔認識
- セマンティック セグメンテーション
- PointPillars
- 医療画像セグメンテーション
- 3D セグメンテーション
- PointPillars_nuscenes: サラウンド ビュー
- CenterPoint: 4D レーダーに基づく 3D 検出
- PointPainting: 画像と LiDAR のセンサー フュージョン
- 深度推定
- ベイズ群衆計数
- マルチタスク V3
- ポリープ セグメンテーション
- UltraFast 車線検出
- FairMot
- PSMNet
- SOLO
- CLOCs
- OCR
- TextMountain 検出
- 車両分類
- OFA_YOLO 検出
- Monodepth2
- YOLOv5 検出
- BEVDet 検出
- cFlownet
- YOLOv6 検出
- YOLOv7 検出
- YOLOv8 検出
これらに関連するライブラリはオープンソースであり、必要に応じて変更可能です。ソース コードは、GitHub から入手できます。
Vitis AI ライブラリには、上記のすべてのネットワークのテスト用画像およびビデオ テスト シーケンスが用意されています。また、Vitis AI ライブラリ パッケージは対応する性能テスト アプリケーションも提供しています。ビデオ ベースのテストでは、未加工のビデオ シーケンスを使用して評価してください。Arm プロセッサに実装したソフトウェア デコーダーからのデコード ジッターが評価の精度に影響することがあるため、エンコード済みのビデオ シーケンスを評価に使用することは推奨されません。
注記: エッジ デバイスの場合、すべてのサンプル アプリケーションはターゲット上で動作しますが、コンパイルに関してはホスト上でクロス コンパイルすることも、ターゲット上でコンパイルすることもできます。