一、模型库——新增 NLP 与更多经典模型

Vitis AI 2.5 的模型库新增了广受欢迎的 NLP 及更多 CNN 模型，具体包括：

• Bert-base：自然语言处理领域的里程碑模型。
• Vision Transformer：将 Transformer 应用于图像分类的突破性架构。
• 端到端 OCR：集成了文字检测与识别的完整方案。
• SuperPoint 与 HFNet：适用于 SLAM 场景的特征提取与匹配模型。

同时，得益于 AMD 对赛灵思的收购，Vitis AI 2.5 支持基于 AMD EPYC 服务器处理器的深度神经网络 ZenDNN 库，涵盖 38 种基本模型和优化模型。这意味着更多 AMD CPU 用户能够通过 Vitis AI 体验到更快的 AI 性能加速。

小提示：如果您正在使用 AMD EPYC 平台，建议优先尝试 ZenDNN 库中的优化模型，可获得显著的推理性能提升。

二、全图形优化器（WeGO）——框架支持再扩展

在上一个版本 Vitis AI 2.0 中，我们首次引入了“全图形优化器（WeGO）”功能，受到了开发者的积极反馈。WeGO 通过将 Vitis AI 堆栈与主流 AI 框架集成，提供了一套便捷的云端 DPU 部署方案。

在 Vitis AI 2.5 中，WeGO 进一步支持了 PyTorch 和 TensorFlow 2 框架。此外，新增了 图像分类、目标检测和分割等 19 个示例，帮助用户在数据中心平台上更顺利地部署 AI 模型。

常见问题：WeGO 支持哪些框架？ 答：当前支持 PyTorch（包括新版）、TensorFlow 2，以及原有的 TensorFlow 1.x 和 Caffe。您可以通过 WeGO 将模型直接转换为可在 DPU 上运行的形式，无需手动编写底层代码。

三、DPU 核心升级——更多器件支持与算子增强

AMD 赛灵思平台上卓越的 AI 加速性能，离不开一系列强大的 AI 加速引擎和易于使用的软件工具。目前，Vitis AI 向主要的 FPGA、自适应 SoC、Versal ACAP 以及 Alveo 数据中心翻跟斗卡提供可扩展的深度学习处理器单元（DPU）。

随着 Vitis AI 2.5 的发布，三大类 DPU 均获得重要更新：

1. Versal DPU IP

• 支持 Versal AI Core 系列 VC1902 器件上的 多计算单元模式（Multiple Compute Unit）。
• 支持 Depthwise 卷积 + LeakyReLU 算子组合等。

2. Zynq UltraScale+ MPSoC DPU IP

• 新增由 算术逻辑单元（ALU） 实现的 Pool 和 Depthwise 卷积功能。
• 新增 HardSigmoid 和 HardSwish 激活函数。
• 支持 Depthwise 卷积结合 LeakyReLU 算子组合。
• 支持 大 kernel-size MaxPool、大 kernel-size A veragePool 及 矩形 kernel-size A veragePool。
• 支持 16 位常数权重等新功能。

3. 数据中心端 DPU IP

• 新增支持更大 kernel-size 的 Depthwise 卷积（从 1×1 到 8×8）。
• 支持基于 AI Engine 的 pooling、ElementWise 加法及乘法。
• 支持大 kernel-size pooling 等功能，满足更多云端 AI 应用开发需求。

常见问题：Vitis AI 2.5 中 DPU 的兼容器件列表在哪里？ 答：建议查阅官方发布的《Vitis AI 2.5 用户指南》中的“支持的平台”章节，或访问 AMD 赛灵思官网的 Vitis AI 产品页面获取最新信息。

通过以上介绍，您已对 Vitis AI 2.5 的主要功能有了清晰的认识。从模型库的丰富到 WeGO 的框架扩展，再到 DPU 的底层算子增强，本次更新旨在让您在数据中心到边缘端的各类场景中，获得更快速、更灵活的 AI 加速体验。更多详细技术文档可参考官方发布说明。