Vitis AI 运行TensforFlow模型

最新推荐文章于 2024-06-30 23:29:06 发布
最新推荐文章于 2024-06-30 23:29:06 发布
阅读量1.9k 收藏 14
点赞数
分类专栏： FPGA  AI推理 文章标签： 深度学习 机器学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/clj609/article/details/120112576
版权
本文介绍了如何在百度EdgeBoard fzu3上使用Vitis AI运行CIFAR_10数据集的DenseNet-121模型进行分类。首先详细阐述了CIFAR_10数据集和DenseNet网络结构，接着描述了从模型下载、Docker环境设置、模型转换和量化，到最终在DPU上部署的完整步骤。Vitis AI的量化过程确保了模型精度，同时支持多种深度学习框架。
摘要由CSDN通过智能技术生成

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。

CIFAR_10数据集

输入图片32x32x8 RGB images，完整CIFAR数据集有60k图片，将数据集进行划分，50k进行训练，10k用来验证。

DenseNet结构

DenseNet-121组成：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-zxWB5HX7-1630813493654)(./pic/densenet.png)]

注：上图针对ImageNet。

步骤

  • 拷贝文件
cp -r /mnt/hgfs/ubuntu/DenseNetX/ ~/
  • 下载模型

Vitis AI 1.2版本模型不能下载，使用Vitis AI1.3版本的模型，解压模型keras_model.zip，将k_model.h5拷贝到./files/build/keras_model 文件夹。

unzip keras_model.zip
cd keras_model/
cp k_model.h5 ../build/keras_model/
  • 运行docker
cd ~/Vit
了解本专栏 订阅专栏 解锁全文 超级会员免费看
硬码农二毛哥
关注
  • 0
    点赞
  • 踩
  • 14
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
专栏目录
订阅专栏
VitisAI(07) 自定义模型部署
abcxy2161的博客
08-27 1743
本文以自定义模型为例，对使用VitisAI进行模型量化部署的流程进行介绍
在linux下安装VITIS-AI人工智能开发环境配置
FPGA/MATLAB学习教程/源码/项目合作开发
12-06 3876
步骤一、docker环境搭建 由于 apt 官方库里的 docker 版本可能比较旧，所以先卸载可能存在的旧版本： User:$ sudo apt-get remove docker docker-engine docker-ce docker.io 1.安装 curl 包： User:$ sudo apt-get install curl 2.添加 Docker 官方的 GPG 密钥： User:$ curl -fsSL https://download.docker.com/l
Vitis-AI-1.3-TensorFlow2 使用TensorFlow2 构建custom AI模型的流程；
oldmoney
04-26 695
Vitis-AI 1.3/TensorFlow2 环境下使用自定义 CNN 模型进行 Mnist 分类 本示例工程中我们会在 TensorFlow2 下使用 Keras API 创建一个自定义 CNN 网络，在 Vitis-AI 1.3 环境下编译成 Xilinx DPU 上运行的模型文件，并在 Xilinx zynqMP 上部署运行。 可从link的 github 页面获得源码 ...
Vitis-AI 的量化实例
u010879745的博客
07-11 2032
量化的两个文件 input_fn.py # from resnet_v1_50_preprocessing import * # def eval_input(iter, eval_image_dir, eval_image_list, class_num, eval_batch_size): # images = [] # labels = [] # line = open(eval_image_list).readlines() # for index in range(0, eval
KV260视觉AI套件--PYNQ-DPU
最新发布
hi94的博客
06-30 1407
本文详细介绍了使用KV260视觉AI套件中的DPUCZDX8G深度学习处理单元（DPU）的环境搭建和开发流程。DPUCZDX8G是专为Zynq UltraScale+ MPSoC设计的，优化了卷积神经网络的计算引擎，支持广泛的运算符，使其成为执行AI推理任务的强大工具。文章从DPU的基本原理出发，解释了其工作机制，包括如何从片外存储器中提取指令以及如何在片上存储器中高效处理数据。
Vitis-Ai 3.0 板卡镜像制作、模型量化编译教程
qq_43310458的博客
04-03 573
使用Vitis-ai在FPGA上部署神经网络模型，神经网络硬件加速，xilinx vitis-ai
xilinx vitis ai使用方法
05-20
Vitis AI 由优化的IP内核、工具、库、模型和示例设计组成，旨在提高效率并简化使用流程，让开发者能够充分利用Xilinx FPGA 和 ACAP 的潜力进行AI加速。 Vitis AI 的关键特性包括： 1. **广泛支持主流框架**：支持...
Vitis-AI:Vitis AI是Xilinx的开发堆栈，用于在Xilinx硬件平台（包括边缘设备和Alveo卡）上进行AI推理
05-13
Xilinx:registered:Vitis:trade_mark:AI是在Xilinx硬件平台（包括边缘设备和Alveo卡）上进行AI推理的开发堆栈。 它由优化的IP，工具，库，模型和示例设计组成。 设计时考虑到了高效率和易用性，充分发挥了Xilinx ...
Vitis-AI3.0版本（gpu版本）pytorch及pytorch优化器docker镜像
04-09
本资源为Vitis-AI3.0版本docker镜像的.tar文件的下载链接，适用于NVIDIA显卡硬件平台，内置pytorch量化编译器镜像以及pytorch优化器镜像 使用方法： 使用docker load指令将镜像文件导入后（导入后可以使用docker ...
vitis_1.7z
01-09
6. **运行脚本**：为了简化执行流程，博主可能提供了启动和运行Vitis项目的shell脚本或批处理文件，这些脚本可能包含了编译、链接、编程FPGA以及运行应用的命令。 通过解压并研究这些文件，读者可以了解到Vitis平台...
xilinx平台zynqmp7ev vcu vitis工程
06-29
在本文中，我们将深入探讨“Xilinx平台ZynqMP7EV VCU Vitis工程”的核心概念、工作原理以及如何生成启动文件和设备树代码。Xilinx ZynqMP7EV（Zynq UltraScale+ MPSoC）是Xilinx公司推出的高性能、多核处理器系统，...
Vitis AI1.1 系列教程1 - 软件安装
linxiaobo110的专栏
05-19 6358
这里写自定义目录标题我的安装环境安装过程在VMware中安装ubuntu 16.04安装Vitis AI几个常见的docker指令 我的安装环境 windows 10 VMware 15.5 Vitis AI 1.1 ubuntu 16.04 安装过程 在VMware中安装ubuntu 16.04 添加虚拟机 选择下载的镜像 镜像可以在这里下载： http://mirrors.aliyun.com/ubuntu-releases/16.04/ 然后一直下一步即可完成安装，安装完成后会自
Vitis(06) DPU Configuration
abcxy2161的博客
08-21 718
本文对DPU的一些配置选项进行介绍
[ZCU102嵌入式开发]基于Vitis-AI的yolov5目标检测模型在ZCU102开发板上的部署过程分享
qq_36745999的博客
09-22 8881
基于Vitis-AI的yolov5目标检测模型量化移植，在ZCU102开发板的嵌入式系统上实现了yolov5的移植，能够使用DPU达到30fps的特征提取速率。本博客记录了整个移植思路，过程，并用相关代码进行解释说明，希望能够抛转引玉，寻找正在做类似工作的小伙伴交流学习。
Vitis AI学习笔记(2): Vitis 开发套件的下载和安装
falwat的专栏
03-30 5484
目录概述下载安装 概述 Vitis AI学习笔记(1): Vitis AI 开发工具包概述我之前写过, 但当时Vitis刚发布没多久, 到现在Vitis开发套件已经发布了2020.2版本, 工具包做了很大的变动, 这篇文章大家可以忽略.有关Vitis 开发套件的概述可以参考Vitis软件平台概述, 这里有最新的概述信息. 下载 到Vitis软件下载页面下载Vitis开发套件. 我下载的版本为 Xilinx Vitis 2020.2: All OS installer Single-File Download
Vivado2021.1、Vitis2021.1、Petalinux2021.1与Vitis AI 1.4安装详解与软件下载
热门推荐
硬码农二毛哥的博客
09-25 1万+
本文对vivado、vitis、petalinux2021.1版本以及Vitis AI 1.4安装过程进行详细描述，并提供安装软件网盘地址。 1 新建虚拟机 新建虚拟机并设置共享文件夹 VMware Workstation使用15.5版本，新建虚拟机使用Ubuntu18.04.02，2021.1版本软件可以支持r16.04.5, 16.04.6, 18.04.1, 18.04.2, 18.04.3, 18.04.4,18.04.5, 20.04, 20.04.1 (64-bit) 。新建过程时间比较长，但配
include 'stdafx.h' before including this file for PCH
05-28 2831
预编译头文件(一般扩展名为.PCH),是把一个工程中较稳定的代码预先编译好放在一个文件(.PCH)里.这些预先编译好的代码可以是任何的C/C++代码--甚至可以是inline函数,只它们在整个工程中是较为稳定的,即在工程开发过程中不会经常被修改的代码. 为什么需要预编译头文件?一言以蔽之:提高编译速度.一般地,编译器以文件为单位编译,如果修改了一工程中的一个文件则所有文件都要重新编译,包括头文件里
vitis ai 如何部署模型
04-26
Vitis AI 可以通过以下步骤来部署模型： 1. 预处理数据：对数据进行标准化和归一化处理，将网络所需数据结构转化为神经网络能够处理的格式。 2. 模型压缩：使用 Xilinx 提供的工具对模型进行压缩，减小模型大小。 ...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

硬码农二毛哥

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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