Vitis初步使用

简介

学习ZYNQ嵌入式的时候,很多教程都是基于SDK进行的,但是新版的vivado已经没有SDK了,取而代之的是vitis,进行了一些尝试实现了工程创建和程序下载等一些简单的功能。

过程

下载的vivado版本为2019.2

首先在vivado中,导出硬件
在这里插入图片描述

导出的硬件格式为.xsa。

然后打开vitis,新建工程

在这里插入图片描述

然后要选择导入之前生成的硬件文件。

在这里插入图片描述

新建的时候选择hello_world模板。

工程新建完之后。

在这里插入图片描述

其中terminal默认没有显示出来,可以在下面的设置中打开,window->show view

在这里插入图片描述

terminal窗口显示之后就可以连接串口。

在这里插入图片描述

在弹出的窗口中要选择串口,然后设置波特率等参数,之后就可以连接成功了。

在这里插入图片描述

点击这个锤子可以编译工程

工程编译完成之后,连接下载器。

在这里插入图片描述

之后如果一切正常,就会串口打印hello world.

在这里插入图片描述

基本操作到此结束。

  • 5
    点赞
  • 29
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Vitis AI 是 Xilinx 公司推出的面向边缘AI应用的综合开发环境,可以支持Keras,TensorFlow和Caffe等一系列深度学习框架的模型优化和部署。以下是Vitis AI的使用方法: 1. 下载并安装Vitis AI Vitis AI可在Xilinx公司简介页下载,也可在官网上下载。下载后按照安装说明进行安装。 2. 创建项目 创建Vitis AI项目需要 Vitis AI 以及支持的硬件平台。平台支持 Ultra96、ZCU104、Alveo U250 等等,开发板需要使用 PYNQ 作为操作系统。在PYNQ环境下,可以打开缺省安装好的终端,进入Vitis AI目录下,使用以下命令创建项目. ``` source /opt/vitis_ai/setup.sh ``` ``` vitis_ai_compiler ``` 3. 选定深度学习框架 选定需要使用的框架,Vitis AI支持的框架包括TensorFlow、Caffe、Keras和ONNX等。对于Pynq而言,需要 手动编译Caffe或TensorFlow等框架,也可以选择已经编译好的模型。 4. 选择模型 用户需要将模型转化为量化模型或是进行裁剪时,需调用Xilinx提供的quantizer和pruner工具一步步进行操作。如果需要直接使用一个已经训练好的模型,可以选择 Vitis AI 中预训练好的模型。 5. 优化模型 Vitis AI在使用量化和裁剪等功能后,可以使用针对AI加速的DPU IP作为部署目标。使用DPU IP的目的是,DPU IP是专为AI推理加速而设计的硬件单元,并且在 Vitis AI 中已经对完整的神经网络架构做了适配的模型库。 6. 部署和测试 完成模型优化和调试后,使用Vitis AI提供的shell脚本及SDK对模型进行编译和测试。编译后部署到FPGA板子上即可,执行一段测试脚本即可运行并评估程 度。 以上便是Vitis AI的简略使用方法。由于平台及硬件不同,详细的操作流程会略有不同。用户应该根据输入输出数据及框架选择手册中对应的执行方式。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值