vitis ai基础v1 2 1 axu5ev第一章ker环境搭建

第一章Docker环境搭 安装 验证 安装并运行XilinxVitis-AI 第二章Vitis-AI开发流 DPUKernel的编 动态链接库.so文件的生 在目标板上运行yolov3推断程 第三章基于Keras框架的神经网络训 VOC数据集简 使用VOC数据集训练 第四章调试工 工 （DNNDKAI推断。DNNDKDPUIP核、工具库、运行库与深度神经网络（DNN）Vitis-AIPLDPUIP核，使得在目标板上开DNNDNNPython语DNN开发。器解决方案。Docker将应用程序与该程序的依赖，打包在一个文件里。运行此文件，就会生成用担心环境问题。总体来说，Docker的接口简单，用户可方便地创建和使用容器，把自己的应User:$sudoapt-getremovedockerdocker-enginedocker-ceUser:$sudoapt-getinstallUser:$curl-fsSL/linux/ubuntu/gpg|sudoapt-keyaddUser:$sudoapt-getupdate&&sudoaptinstalldocker-cedocker-ce-clideb[arch=amd64]/linux/ubuntubionicUser:$sudoaptUser:$sudoaptinstalldocker-dockerCtrlCUser:$systemctlstatusUser:$sudosystemctlstartUser:$sudodockerrunhello-User:$sudousermodaGdocker当前用户名User:$newgrpdockerXilinxVitis-AIXilinxRuntimeDockerVitis-AIDockerVitis-AI中开发中很重要的一个组成部来将它部署到本地。而RuntimeDocker将会在后文中用到。Vitis-AIdockerdocker_build_cpu.sh，该脚本会将运行Vitis-AIDocker的相关依赖下载到本地，该过程所花时间较长。User:$Vitis-AIDockerdpu-compiler-docker.sh，运行我们将会介绍在Vitis-AIDocker中进行DPU的配置与编译直至生成动态链接库的流程。User:$./dpu-compiler-Vitis-AI15.2YOLOv3模型参数文件的接收到在开发板上运行python应用程序的全部流程。XilinxVIitis-AI模型文件 DPU15.2Vitis-AIDPU导入该参数信息前，首先需要将其量化，即浮点数定点化。定点化过程中需要输入无需标网络结构可视化。使用Netro工具查看网络结构。User:$sudoapt-getinstallsnapdUser:$sudoapt-getinstallsnapcraftUser:$sudosnapinstallnetronUser:$netronvitis-ai-docker:$condaactivatevitis-ai-dockerdocker命令时用户所在路径被暂时替换为了/workplace，（Calibration

(vitis-ai-tensorflow)docker:$source分析：1_tf_quantize.sh1个输入与3个输出节点。同理还有另外两个输出节点：conv2d_67/convolutionconv2d_75/convolution，在此就不赘述了。可通过图中左上角菜单下的find查找。DPUKernel们提供的与开发板对应的dcf配置文件和json描述文件。jsondcfjson文件即可。json文件中需要输入绝对地址。注意：根目录为workspace/。(vitis-ai-tensorflow)docker:$source会打印DPUkernel（yolov3）的相关信息。User:$dot-Tjpg-okernel_graph.jpgXilinxVitis-AIDebugDPUKernelelf文件的分析工具DDump，具体在后文中会详细讲解。这里我们使用DDump查看elf中yolov3Kernel中包括输入输出接口在内的全部信息。(vitis-ai-tensorflow)docker:$ddump-fdpu_tf_yolov3_voc.elf-elfsoyolov3kernel，只需要python应用程序的驱动即可在目标板上运行神经网络。我们需要启动XilinxRuntimedocker来使用64bitARMGCC交叉编译工具链。在路径User:$./runtime-Runtimedocker启动完成后，在工程目录下的Compile_Tools找到并打开脚本runtime-docker:$source文件yolov3host主机端（PC）的准备工作已经全部完目标板petalinux使用BalenaEtcher将镜像写入SD卡后启动系统（install_package下回到host主机，将所需的Vitis-AIDNNDK工具的安装包vitis-ai_v1.2_dnndk.tar.gz（在我 下）拷贝至目标板上的用户根目录上解压并安装。其中，目标板ipUser:$scpvitis-ai_v1.2_dnndk.tar.gzroot@<目标板(ALINX-BOARD)sh-5.0#tar-xzvfvitis-(ALINX-BOARD)sh-5.0#cdvitis-(ALINX-BOARD)sh-5.0#(ALINX-BOARD)sh-5.0#mkdir-p再次回到host主机端，在工程中找到 在目标板的terminal中使用ifconfig命令自行查询。）User:$scprtf_yolov3_voc_deployroot@<目标板User:$scplibdpumodeltf_yolov3_voc.soroot@<目标板sotf_yolov3_voc_deploypython文件为同一路径。动态链接库，与python运行yolov3的主应用程序（图片输入版本运行yolov3的主应用程序（视频输入版本①.(ALINX-BOARD)sh-5.0#python3②.(ALINX-BOARD)sh-5.0#python3第三章基于KerasVOCPASCALVOC(visualobjectclasses)提供了图像以及标记数据，可用于目标分类、检测、分割PASCALVOC挑战赛及其数据集上推出的。人。如下图所示，所有类别总计共20个种类。

train+trainvalidation数据集都用于神经网络的训练过程。validation数据的主要作用是来验证据的泛化能力很差。所以与其选取20000次的结果，不如选择10000次的结果。EarlyStop，validationvalidation的存放分类好的数据集索引列表文件，比如VOCwin10系统。使用下面命令将

VOCpython

，

（win10Pythonpythonpythonpythonyolo_video.pyinputtest_sample\<测试视频

tensorboard--转换生成.pb接下来需要把网络结构文件.h5转换为.pb文件。.pb文件同样描述了网络结构，但是和前者（freeze，最终Pythonpython库库库libn2cube是DNNDKDPU加载程序的功库libdputils.so是DPU实用库（utilitylibrary）。它封装了各种高度优化的C/CAPI，方便了DPU平台上DL应用程序的开发。DExplorer是为目标板设计的应用工具包，通过它可进行DPU运行模式配置,DNNDK版本显示,DPUDPUDSight是DNNDK性能评估报DPUELF(Host端)分析DPU切换（.hwh）文件Vitis-AIVitis-AI库库库libn2cube是DNNDKDPU加载程序的功DPU驱动程序进行DPU任务规划、DPUruntime库libdputils.so是DPU实用库（utilitylibrary）。它封装了