Vitis AI 2.5 环境搭建(Ubuntu20.04) + 在 KV260 中配置 PYNQ

目录

1. 环境

2. 工具及版本介绍

2.1 工具版本兼容性

2.2 DPU结构

2.3 DPU命名规则

3. Vitis AI 配置要点

3.1 配置安装 Docker Repo

3.2 Install Docker Engine

3.3 配置 docker hub mirror

3.4 添加 Docker 用户组并测试

3.5 克隆 Vitis AI 库

3.6 构建 Docker

3.6.1 Docker 常用命令

3.6.2 从 docker hub 查找镜像

3.6.3 使用预构建的镜像

3.6.4 从 Recipes 构建镜像

3.7 运行 Docker

3.8 激活 conda 环境

3.9 配置 Jupyter Lab

4. PYNQ for KV260 配置要点

4.1 烧录 Ubuntu 22.04 LTS

4.2 配置网络

4.3 关闭图形桌面

4.4 添加 AMD 软件源并更新升级 Kernel

4.5 配置 Docker (optional)

4.6 安装 xrt zocl driver (optional)

4.7 安装 Pynq (需配置代理)

4.8 Jupyter Lab 安装中文支持包

4.9 域名解析

5. 补充说明

5.1 git 直接下载 zip

5.2 Docker 代理

5.3 保存修改的 Docker 容器

---

1. 环境

Host: Ubuntu 22.04.4 LTS

Embeded: kv260 with Ubuntu 22.04

AMD KV260 starts with Ubuntu 22.04https://www.amd.com/zh-cn/products/system-on-modules/kria/k26/kv260-vision-starter-kit/getting-started-ubuntu/getting-started.html

2. 工具及版本介绍

GitHub - Xilinx/Vitis-AI at 2.5Vitis AI is Xilinx’s development stack for AI inference on Xilinx hardware platforms, including both edge devices and Alveo cards. - GitHub - Xilinx/Vitis-AI at 2.5https://github.com/Xilinx/Vitis-AI/tree/2.5

2.1 工具版本兼容性

IP and Tool Version Compatibility — Vitis™ AI 3.0 documentation

Software Tools Version	DPUCDZX8G IP Version	ViTis AI Release Version
Vivado / Vitis / Petalinux 2022.2	4.1	v3.0
Vivado / Vitis / Petalinux 2022.1	4	v2.5
Vivado / Vitis / Petalinux 2021.2	3.4	v2.0
Vivado / Vitis / Petalinux 2021.1	3.3	v1.4
Vivado / Vitis / Petalinux 2020.2	3.3	v1.3
Vivado / Vitis / Petalinux 2020.1	3.2	v1.2
Vivado / Vitis / Petalinux 2019.2	3.2	v1.1
Vivado / Vitis / Petalinux 2019.1	3.1	v1.0
Vivado / Petalinux 2019.1	3	N/A
Vivado / Petalinux 2018.2	2	N/A
Vivado / Petalinux 2018.1	1	First Release

PYNQ for Kria SOMs：

PYNQ for Kria SOMsPYNQ support and examples for Kria SOMs. Contribute to Xilinx/Kria-PYNQ development by creating an account on GitHub.https://github.com/Xilinx/Kria-PYNQ

DPU-PYNQ (v2.5)
This overlay contains a Vitis-AI 2.5.0 Deep Learning Processor Unit (DPU) and comes with a variety of notebook examples with pre-trained ML models.

Supported boards: KV260, KR260, KD240

从官方给的信息可以看出，KV260 PYNQ Installation 使用的是 Vitis-AI 2.5.0，对应的工具版本Vivado / Vitis / Petalinux 2022.1。

2.2 DPU结构

2.3 DPU命名规则

KV260使用DPUCZDX8G IP，表示：

应用领域：CNN

硬件平台：Zynq DDR

量化方法：decent

Decent：一种量化与优化工具，主要用于对神经网络模型进行压缩和量化，以适配于赛灵思的DPU硬件。Decent支持多种量化策略，包括定点量化（通常为INT8量化）。这种工具的目的是通过减小模型的存储与计算需求来优化执行效率，同时尽量保持推理精度。
Integer threshold：一种