معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

دانلود نسخه باینری

توضیحات

Xilinx Intermediate Representation (XIR) for deep learning algorithms (runtime)

ویژگی	مقدار
سیستم عامل	Linux
توزیع	Debian Bookworm-12
مخزن	Debian main amd64
نام بسته	libxir2
نام فایل بسته	libxir2_2.5-1+b1_amd64.deb
نسخه بسته	2.5
انتشار بسته	1+b1
معماری بسته	amd64
نگهدارنده	Debian Xilinx Package Maintainers <team+pkg-xilinx@tracker.debian.org>
تاریخ ساخت	-
هاست سازنده	-
نوع بسته	.deb
آدرس صفحه اصلی	https://github.com/Xilinx/Vitis-AI
مجوز	-
حجم دانلود	1420856
حجم نصب	10507

Xilinx Intermediate Representation (XIR) is a graph based intermediate representation of the AI algorithms which is well designed for compilation and efficient deployment of the Domain-specific Processing Unit (DPU) on the FPGA platform. Advanced users can apply Whole Application Acceleration to benefit from the power of FPGA by extending the XIR to support customized IP in Vitis AI flow. . XIR includes Op, Tensor, Graph and Subgraph libraries, which providing a clear and flexible representation for the computational graph. For now, it's the foundation for the Vitis AI quantizer, compiler, runtime and many other tools. XIR provides in-memory format, and file format for different usage. The in-memory format XIR is a Graph object, and the file format is a xmodel. A Graph object can be serialized to a xmodel while the xmodel can be deserialized to the Graph object. . In the Op library, there's a well-defined set of operators to cover the wildly used deep learning frameworks, e.g. TensorFlow, Pytorch and Caffe, and all of the built-in operators for DPU. This enhences the expression ability and achieves one of the core goals of eliminating the difference between these frameworks and providing a unified representation for users and developers. . XIR also provides a Python APIs which is named PyXIR. It enables Python users to fully access XIR and benefits in a pure Python environment, e.g. co-develop and integrate users' Python project with the current XIR based tools without massive dirty work to fix the gap between two languages. . This package provides the runtime environment for XIR.

جایگزین ها

بسته	نسخه	معماری	مخزن
libxir2_2.5-1+b1_arm64.deb	2.5	arm64	Debian main
libxir2_2.5-1+b1_armel.deb	2.5	armel	Debian main
libxir2_2.5-1+b1_armhf.deb	2.5	armhf	Debian main

نیازمندی

مقدار	نام
>= 2.34	libc6
>= 3.4	libgcc-s1
>= 0.6.0	libgoogle-glog0v6
>= 3.21.9	libprotobuf32
>= 11	libstdc++6
>= 2.5	libunilog2

نحوه نصب

نصب پکیج deb libxir2:

sudo apt-get install libxir2_2.5-1+b1_amd64.deb

فایل ها

مسیرها
./usr/lib/x86_64-linux-gnu/libxir.so.2.5.0
./usr/share/doc/libxir2/changelog.Debian.amd64.gz
./usr/share/doc/libxir2/changelog.Debian.gz
./usr/share/doc/libxir2/copyright
./usr/lib/x86_64-linux-gnu/libxir.so.2 -> libxir.so.2.5.0