VectorBlox vnnx_tflite.py 수정: 문제 1 - TRANSPOSE 연산 문제 해결
Published:
vnnx_tflite.py에서 TRANSPOSE 연산 처리 시 발생하는 컴파일 실패 문제를 해결했습니다. TFLite 최적화로 인해 잘못 변환된 TRANSPOSE를 감지하여 원래의 RESHAPE 연산으로 복구하는 방법을 설명합니다.
VectorBlox
VectorBlox vnnx_tflite.py Fix: Problem 1 - TRANSPOSE Operation Issue Resolution
Published:
Fixed compilation failure issues when processing TRANSPOSE operations in vnnx_tflite.py. Explains how to detect incorrectly converted TRANSPOSE operations due to TFLite optimization and restore them to original RESHAPE operations.
VectorBlox vnnx_tflite.py 수정: 문제 3 - SLICE/STRIDED_SLICE 5D 텐서 처리
Published:
vnnx_tflite.py에서 5차원 텐서를 슬라이싱하는 SLICE/STRIDED_SLICE 연산 처리 시 발생하는 컴파일 실패 문제를 해결했습니다. 5차원을 4차원으로 안전하게 변환하는 방법을 설명합니다.
VectorBlox vnnx_tflite.py Fix: Problem 3 - SLICE/STRIDED_SLICE 5D Tensor Processing
Published:
Fixed compilation failure issues when processing SLICE/STRIDED_SLICE operations on 5-dimensional tensors in vnnx_tflite.py. Explains how to safely convert 5-dimensional tensors to 4-dimensional tensors.
VectorBlox vnnx_tflite.py 수정: 문제 2 - RESHAPE 연산 문제 해결
Published:
vnnx_tflite.py에서 RESHAPE 연산 처리 시 발생하는 multi-axis squeeze 및 single-axis squeeze 문제를 해결했습니다. VectorBlox SDK가 지원하지 않는 reshape 패턴을 사전에 감지하여 NOP 연산으로 처리하는 방법을 설명합니다.
VectorBlox vnnx_tflite.py Fix: Problem 2 - RESHAPE Operation Issue Resolution
Published:
Fixed multi-axis squeeze and single-axis squeeze issues when processing RESHAPE operations in vnnx_tflite.py. Explains how to pre-detect reshape patterns not supported by VectorBlox SDK and process them as NOP operations.
VectorBlox vnnx_tflite.py 수정: 문제 5 - 상수 텐서 버퍼 구조체 호환성 문제 해결
Published:
vnnx_tflite.py에서 상수 텐서의 buffer 필드를 직렬화할 때 발생하는 struct.pack 에러를 해결했습니다. 모든 텐서의 buffer를 [buffer_id, offset] 배열 형식으로 통일하여 C 구조체와의 호환성을 확보하는 방법을 설명합니다.
VectorBlox vnnx_tflite.py Fix: Problem 5 - Constant Tensor Buffer Structure Compatibility Issue Resolution
Published:
Fixed struct.pack errors when serializing buffer fields of constant tensors in vnnx_tflite.py. Explains how to unify all tensor buffers to [buffer_id, offset] array format to ensure compatibility with C structures.
VectorBlox vnnx_tflite.py 수정: 문제 4 - INT8 상수 ADD/SUB 연산 문제 해결
Published:
vnnx_tflite.py에서 상수 연산을 포함한 ADD/SUB 연산 처리 시 발생하는 양자화 파라미터 미초기화 문제를 해결했습니다. multi_input=False인 경우에도 모든 양자화 파라미터를 초기화하도록 수정하는 방법을 설명합니다.
VectorBlox vnnx_tflite.py Fix: Problem 4 - INT8 Constant ADD/SUB Operation Issue Resolution
Published:
Fixed quantization parameter uninitialization issues when processing ADD/SUB operations with constant operands in vnnx_tflite.py. Explains how to modify the code to initialize all quantization parameters even when multi_input=False.
VectorBlox vnnx_tflite.py: TFLite → VNNX 변환 파이프라인 분석
Published:
vnnx_tflite.py는 TensorFlow Lite(INT8) 모델을 VectorBlox의 VNNX 형식으로 변환하는 핵심 모듈입니다. 이 글에서는 전체 플로우와 내부 구조(generate_vnnx_from_json_subgraphs, update_offsets, vbx.sim.Model 시뮬레이션)를 정리하고, 최신 AI 모델 지원을 위해 직접 패치한 내용을 예고합니다.
VectorBlox vnnx_tflite.py: TFLite → VNNX Conversion Pipeline Analysis
Published:
vnnx_tflite.py is a core module that converts TensorFlow Lite (INT8) models to VectorBlox VNNX format. This post covers the overall flow and internal structure (generate_vnnx_from_json_subgraphs, update_offsets, vbx.sim.Model simulation), and previews custom patches made to support latest AI models.
VectorBlox VNNX 변환 이슈: Clip 및 ScatterND 연산자 제거
Published:
ONNX 모델을 VectorBlox VNNX 형식으로 변환할 때 호환되지 않는 연산자들이 발생합니다. 이 포스트에서는 Clip 연산자와 ScatterND 연산자를 제거하고 대체하는 방법을 다룹니다.
VectorBlox VNNX Conversion Issues: Removing Clip and ScatterND Operators
Published:
When converting ONNX models to VectorBlox VNNX format, some operators are incompatible. This post covers methods to remove and replace Clip and ScatterND operators.
VectorBlox: PolarFire FPGA용 AI 가속기
Published:
VectorBlox는 Microchip의 PolarFire FPGA를 위한 AI/ML 추론 가속기 플랫폼입니다. TensorFlow Lite INT8 네트워크를 지원하며, 소프트웨어 기반 구현으로 FPGA 재프로그래밍 없이 AI 모델을 배포할 수 있습니다. 5W 미만의 전력 효율과 오버레이 디자인을 통해 여러 네트워크를 동적으로 전환할 수 있습니다.
VectorBlox: AI Accelerator for PolarFire FPGA
Published:
VectorBlox is an AI/ML inference accelerator platform for Microchip PolarFire FPGAs. It supports TensorFlow Lite INT8 networks and enables AI model deployment without FPGA reprogramming through software-based implementation. With power efficiency under 5W and overlay design, it can dynamically switch between multiple networks.