【FPGA培训课程系列】基于Vitis AI平台的人工智能解决方案开发
judy 在 周一, 11/15/2021 - 10:03 提交
本次为期2天的线下讲座,将基于边缘端器件,搭配Xilinx MPSoC官方开发板ZCU104,引领开发者快速搭建Vitis AI开发环境,熟悉Vitis AI开发的设计流程及其基本技巧
本次为期2天的线下讲座,将基于边缘端器件,搭配Xilinx MPSoC官方开发板ZCU104,引领开发者快速搭建Vitis AI开发环境,熟悉Vitis AI开发的设计流程及其基本技巧
在这个项目中,我将创建一款用于智能办公室移动办公布局的应用。我将使用 Ultra96-V2 演示 Vitis AI 模型库和面向 PYNQ 的 DPU IP 核的编译流程。
在百度edgeboard fzu3上运行CIFAR10 Classification,介绍Vitis AI TensorFlow设计过程,将Python描述的网络模型运行在Xilinx DPU上。
如何将Vitis AI Library应用加入Vitis进行编译,生成可执行文件?
Vitis AI提供两种应用例程,VART和Vitis AI Library,下文详细描述了VART中自动驾驶应用的实现过程。
Vitis AI提供两种应用例程,VART和Vitis AI Library,下文详细描述了Vitis AI Library中refinedet应用的实现过程。
Xilinx提供了一些基础的开发板平台内嵌在Vitis IDE中,用户可以直接从这些platform创建应用程序。但如果是自定义的板卡或者想要部署更多加速器IP、配置不同的性能,我们就需要创建完全自定义的硬件平台。本文介绍创建Vitis AI硬件平台的基本步骤。
将zynqmp单板和电脑主机通过网线连接到同一个交换机。单板和电脑上电后,打开虚拟机,将网络连接设置成桥接模式。进入虚拟机,查询虚拟机ip地址
经过前面的实验,我们已经基本摸清楚了Vitis IDE & Vivado的使用方法。在开始构建DPU与深度学习软件栈之前,我们先对我们拿到的开发板做个体检(硬件全面测试),由于大部分深度学习软件框架都是运行在Linux, android或IOS等嵌入式系统上,因此测试完硬件后还需要搭建一个Linux系统以供后续开发使用。
本篇笔记以点亮图中所有的LED为目的,回顾下Vivado的使用,并且开始了解Vitis的开发流程(原来开发环境为SDK)。