应用要求可分为三个类别:
- 使用 AMD Vitis™ AI Library 提供的模型来构建您自己的应用。
- 使用您自有的与 Vitis AI Library 中的模型类似的自定义模型。
- 使用与 Vitis AI Library 中的模型截然不同的新模型。
本章描述了前两个用例的开发步骤。对于第三种用例,您可使用 Vitis AI Library 样本和实现作为参考。本章提供了有关下列操作的信息:
- 自定义预处理
- 使用配置文件指定预处理和后处理参数
- 使用 Vitis AI Library 的后处理库
- 实现用户后处理代码
- 使用 xdputil 工具
下图显示了 Vitis AI Library API 与其对应示例之间的关系。在该版本中有 4 种类型的 API:
- 基于 VART 的 Vitis AI Library API_0
- 基于 AI Library 的 Vitis AI Library API_1
- 基于 DpuTask 的 Vitis AI Library API_2
- 基于 Graph_runner 的 Vitis AI Library API_3
图 1. AI Library API 图例
为您的应用选择 API
使用以下建议来为您的应用选择 API。
- 如果模型已拆分为多个子计算图,建议使用 API_3
Graph_runner
进行模型部署。 - 如果模型为自定义运算符,建议使用 API_3
Graph_runner
进行模型部署。 - 如果您刚开始学习使用 AI 算法(例如,模型、预处理和后处理)并且想要实现最佳性能,那么建议使用 API_1
AI_Library
。 - 如果您要使用 AMD 模型快速构建应用,那么建议使用 API_1
AI_Library
。 - 如果您有自己的模型,并使用 Vitis AI Library 支持网络列表下您自有数据对其进行重新训练,那么建议使用 API_1
AI_Library
。 - 如果您想要使用自己的自定义预处理和后处理算法,那么建议使用 API_2
DpuTask
。 - 如果您是 AI 算法的高级用户,并且想要在多个平台上开发和应用 AI 算法,那么建议使用 API_0
VART
。