{"id":113206,"date":"2024-01-28T18:50:35","date_gmt":"2024-01-28T16:50:35","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/kompaniya-amd-otkryla-kod-drajvera-dlya-npu-na-baze-arhitektury-xdna"},"modified":"2024-01-28T18:50:35","modified_gmt":"2024-01-28T16:50:35","slug":"kompaniya-amd-otkryla-kod-drajvera-dlya-npu-na-baze-arhitektury-xdna","status":"publish","type":"post","link":"https:\/\/prohoster.info\/de\/blog\/news\/kompaniya-amd-otkryla-kod-drajvera-dlya-npu-na-baze-arhitektury-xdna","title":{"rendered":"Das Unternehmen AMD hat den Quellcode des Treibers f\u00fcr das NPU auf Basis der XDNA-Architektur ver\u00f6ffentlicht.","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Das Unternehmen AMD hat den Quellcode des Treibers f\u00fcr Karten mit der auf der XDNA-Architektur basierenden Engine ver\u00f6ffentlicht, die Werkzeuge zur Beschleunigung von Berechnungen im Bereich maschinelles Lernen und Signalverarbeitung (NPU, Neural Processing Unit) bereitstellt. Die auf der XDNA-Architektur basierenden NPUs sind in den Serien 7040 und 8040 der AMD Ryzen-Prozessoren, den AMD Alveo V70-Beschleunigern und dem SoC AMD Versal verf\u00fcgbar. Der Code ist in C und C++ geschrieben und steht unter der GPLv2-Lizenz. F\u00fcr den Betrieb des Treibers wird der Linux-Kernel 6.7 mit Unterst\u00fctzung f\u00fcr IOMMU SVA (Shared Virtual Addressing) ben\u00f6tigt. <\/p>\n
Der ver\u00f6ffentlichte Code umfasst den Treiber f\u00fcr den Linux-Kernel (amdxdna.ko) und die Runtime-Bibliothek (Plugin «xrt_plugin*-amdxdna») zur Nutzung der XRT-Schnittstelle (Xilinx Runtime Library), die es Anwendungen erm\u00f6glicht, auf die auf der Seite des Hardwarebeschleunigers ausgef\u00fchrten Handler (Kernel) zuzugreifen. XRT erlaubt die Nutzung des AMD NPU in Anwendungen, die in g\u00e4ngigen Programmiersprachen geschrieben sind. Es werden verschiedene Abstraktionsebenen bereitgestellt, von Low-Level-APIs f\u00fcr C\/C++ bis hin zu Hochsprachebindungen f\u00fcr Python und Komponenten zur Integration mit TensorFlow, PyTorch und Caffe. \n Quelle: opennet.ru<\/a> <\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"