amdih/vitis-ai Docker 镜像 - 轩辕镜像 | Docker 镜像高效稳定拉取服务

Vitis-AI Docker镜像文档

镜像概述和主要用途

Vitis-AI Docker镜像旨在为开发者提供便捷的环境，用于为Vitis-AI NPU IP（神经网络处理器知识产权）量化和编译神经网络模型。该镜像集成了必要的Python依赖库及来自GitHub的各类示例，简化了模型优化与部署的流程，帮助开发者快速实现神经网络模型在Vitis-AI NPU上的部署。

核心功能和特性

• 集成Python依赖：包含模型量化、编译所需的全部Python库，无需手动安装依赖，确保环境一致性。
• 提供示例资源：内置来自GitHub的多种示例，覆盖不同神经网络模型和应用场景，便于开发者参考和快速上手。

使用场景和适用范围

适用于需要在Vitis-AI NPU IP上部署神经网络模型的开发者，主要应用于以下场景：

• 神经网络模型的量化（将高精度模型转换为低精度格式，如INT8，以提升NPU运行效率）。
• 量化后模型的编译（生成适用于Vitis-AI NPU IP的可执行文件或部署包）。

使用方法和配置说明

基本使用命令

假设镜像名称为xilinx/vitis-ai，可通过以下命令启动容器：

bash
docker run -it --rm xilinx/vitis-ai /bin/bash

挂载本地目录（可选）

若需使用本地模型文件或保存输出结果，可挂载本地目录至容器内工作空间：

bash
docker run -it --rm -v /path/to/local/models:/workspace/models xilinx/vitis-ai /bin/bash

运行示例

容器启动后，示例文件通常位于/workspace/examples目录下，可进入对应示例目录运行量化或编译脚本，例如：

bash
# 进入ResNet50示例目录
cd /workspace/examples/resnet50

# 运行量化脚本（具体参数需参考示例文档）
python quantize.py --model /workspace/models/resnet50.onnx --output /workspace/quantized_model

注：具体示例路径、脚本参数及镜像版本信息，请参考Vitis-AI官方文档或镜像内的README文件。