本次演示展示了如何利用“跟蹤”功能，通過使用 AMD Ryzen AI Phoenix 中的 AIE 語言和 AIE API，高效地實(shí)現(xiàn)彩色圖像的“反向”處理。

要求/條件

AMD Ryzen AI Phoenix. 基于 Linux® 的開發(fā)環(huán)境。Python®(用于測試自動化和結(jié)果驗(yàn)證)。IRON API 和基于 MLIR 的 AI 引擎工具鏈。OpenCV(開源計(jì)算機(jī)視覺庫)

項(xiàng)目簡介

該系統(tǒng)級芯片(SOC)旨在加快 AIE-ML 算法的運(yùn)行速度，以實(shí)現(xiàn)卓越的出色性能。而神經(jīng)處理單元(NPU)組件則具有……

?16 個(gè)人工智能核心用于計(jì)算任務(wù)

?4 快速內(nèi)存訪問用的內(nèi)存模塊

?4 沙姆 DMA 用于在 L3 內(nèi)存中進(jìn)行數(shù)據(jù)的讀入和寫入操作

問題陳述

在該 3 核設(shè)計(jì)中，這些核心大多處于“鎖步”狀態(tài)，從而浪費(fèi)了寶貴的計(jì)算能力。

三核設(shè)計(jì)模式

3 個(gè)核心設(shè)計(jì)

?鎖止持續(xù)時(shí)間：1286000納秒

?核心執(zhí)行時(shí)間：156000 納秒

?處理一行數(shù)據(jù)所需的總時(shí)間為 1442000 納秒。

解決方案

在對這些痕跡進(jìn)行分析之后，人們發(fā)現(xiàn)……

?R、G 和 B 三個(gè)通道的處理過程可以集中在同一個(gè)核心上進(jìn)行。

?用于輸入和輸出的乒乓緩沖區(qū)可以通過減少整體內(nèi)存占用來轉(zhuǎn)換為單個(gè)輸入緩沖區(qū)和單個(gè)輸出緩沖區(qū)。

?僅有一個(gè) S2MM 和 MM2S 通道與 BD 鏈路及鎖相結(jié)合，用于調(diào)控?cái)?shù)據(jù)流和核心執(zhí)行過程。

如何優(yōu)化“AMD銳龍人工智能神經(jīng)網(wǎng)絡(luò)單元將彩色圖像轉(zhuǎn)換為負(fù)圖像”的功能

結(jié)構(gòu)

計(jì)算的數(shù)據(jù)流

1 核設(shè)計(jì)模式

?單個(gè)組件的鎖止持續(xù)時(shí)間為 320000 納秒

?核心執(zhí)行時(shí)間：單個(gè)組件 190000 微秒

?3 行數(shù)據(jù)(R、G、B)的執(zhí)行時(shí)間 - 1528000 納秒，與 1442000 納秒較為接近 - 采用 3 核設(shè)計(jì)的單行處理方式。

然后，核心部分會對每個(gè)像素進(jìn)行取反操作，接著將轉(zhuǎn)換后的像素重新傳輸至 L3 內(nèi)存。

輸入圖像

輸出圖像

結(jié)論

本次課程將演示如何利用“跟蹤”功能來分析程序的執(zhí)行情況并對其進(jìn)行優(yōu)化。

簡要描述這兩種實(shí)現(xiàn)方式之間的相似之處：

* 僅捕獲與 AIE 核相關(guān)的信息參數(shù)

本文編譯自hackster.io