Xilinx HydraMini试玩教程

最新推荐文章于 2022-03-17 15:45:09 发布
最新推荐文章于 2022-03-17 15:45:09 发布
阅读量1.5k 收藏 12
点赞数 4
分类专栏： 其他 文章标签： 自动驾驶 神经网络 机器学习 tensorflow
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/qq_25762163/article/details/103591878
版权
本教程介绍了如何使用Xilinx HydraMini开发小车进行自动驾驶，涵盖了从数据收集、模型训练到DPU加速的全过程。涉及实体小车操作、模拟器使用、Keras+Tensorflow模型训练、DNNDK量化编译等关键步骤。
摘要由CSDN通过智能技术生成

Xilinx HydraMini试玩教程

前言

HydraMini是Xilinx推出的基于Pynq-Z2开发板的自动驾驶开发小车，其有着简单易学、高灵活性、高扩展性、高性能等优良特性，是研究人员和学生进入自动驾驶领域的一个平台。本教程会通过最基础的讲解和步骤带领读者熟悉这个平台的基本开发流程，包括实体小车的使用和模拟器的使用。详细的代码解读和流程分析见参考链接里的github项目。
车总览
硬件
小车采用两块电池给板子以及电机供电，通过单目摄像头感知环境。

环境配置

  1. PC端：Ubuntu16.04+DNNDK3.0配置请参考Host端配置
  2. Pynq端：下载Xilinx提供的Pynq-Z2+HydraMini小车系统，百度网盘链接，里面小车代码Pynq-Part/Car建议更新至github最新版。如果想自行配置（较复杂不推荐）请参考Pynq端配置
  3. 跑道搭建：使用胶带或其他材料模仿一般的道路搭建环形跑道，尽量保持左转和右转频率一样多，比如下图所示8字形跑道。8

基础知识

在继续阅读后续教程前，笔者推荐掌握或熟悉的知识：

  1. C++ & Python3
  2. Ubuntu Linux使用
  3. Keras + Tensorflow基本用法

介绍

  • 训练流程。首先控制小车采集数据，然后使用keras框架进行训练并把保存的模型转化为tensorflow模型，最后通过DNNDK套件进行量化编译得到最终可以在DPU上运行的核文件。
    训练
  • 运行流程。运行时从摄像头采集数据，然后送入模型推理，经由Xilinx DPU加速后，模型输出控制指令控制小车运动。inference
  • 源代码目录结构
    • Host-Part
      • process_img.py # 图像预处理
      • process_train.sh # 图像预处理加训练脚本
      • train.py # 模型训练
      • dnndk-host # DNNDK量化编译目录
        • compile.sh # 编译
        • quant.sh # 量化
        • graph_input_fn.py # 量化输入数据生成器
        • keras_to_tensorflow.py # keras模型转tensorflow模型脚本
        • freeze_detect.sh # 模型转换并显示输入输出层信息脚本
最低0.47元/天 解锁文章
Sauron Wu
关注
专栏目录
【PYNQ-Z2】一、初识PYNQ-Z2——环境搭建
qq_43588553的博客
02-06 5455
【PYNQ-Z2】一、初识PYNQ-Z2——环境搭建 PYNQ is an open-source project from Xilinx® that makes it easier to use Xilinx platforms. Using the Python language and libraries, designers can exploit the benefits of programmable logic and microprocessors to build more capabl
DPU on PYNQ-Z2系列—0. 前言
lulugay的博客
11-20 5445
DPU on PYNQ-Z2系列——0. 前言什么是DPU？为什么要写本系列博文DPU on PYNQ-Z2系列—1.1 硬件准备—在Vivado中集成DPU IPDPU on PYNQ-Z2系列—1.2 硬件准备—在Petalinux中编译DPU的驱动及Linux的imageDPU on PYNQ-Z2系列—2.1 DNNDK使用—搭建DNNDK环境DPU on PYNQ-Z2系列—2.2 DN...
DPU on PYNQ-Z2系列—3.3 部署DPU—在Jupyter中调用DPU
lulugay的博客
03-09 3618
在Jupyter中调用DPU DNNDK3.1提供了Python的编程接口，在此以ResNet50为例示范如何在Jupyter里调用DPU import库 import sys sys.path.append('/usr/local/lib/python2.7/dist-packages') from dnndk import n2cube, dputils from ctypes import ...
PYNQ-Z2_SD卡镜像烧录手册.pdf
09-27
PYNQ-Z2_SD卡镜像烧录手册，介绍如何烧写PYNQ的文档
Xilinx DPU 新玩法，加速 AI 应用落地
u011837423的专栏
11-13 3898
DPU 是什么？ Xilinx® 深度学习处理器单元（DPU）是专用于卷积神经的可配置计算引擎网络。引擎中使用的并行度是设计参数，可以根据需要选择目标设备和应用程序。它包含一组高度优化的指令，并支持大多数卷积神经网络，例如 VGG、ResNet、GoogLeNet、YOLO、SSD、MobileNet、FPN 等，可将 DPU IP 作为一个模块集成到所选 Zynq®-7000 SoC 和 Zynq UltraScale™+ MPSoC 器件的可编程逻辑（PL）中，这些器件与处理系统（PS）直接相连。
Xilinx FPGA教程
11-13
Xilinx FPGA教程是一套全面而深入的学习资源，旨在帮助学习者掌握FPGA（Field Programmable Gate Array）的设计和应用，特别是在Xilinx平台上的实践。FPGA是一种可编程逻辑器件，允许用户根据自己的需求定制硬件电路...
Xilinx 教程_ISE_ISE教程_xilinx教程_fpga_Xilinx_
10-01
**Xilinx ISE教程——掌握FPGA设计的关键步骤** Xilinx ISE（Integrated Software Environment）是Xilinx公司推出的一款强大的FPGA（Field Programmable Gate Array）设计工具，它为FPGA开发者提供了完整的硬件描述...
Xilinx FPGA教程大全
07-12
Xilinx ROM使用中文教程.pdf (226.08 KB) Xilinx_FPGA_Digital_System_Design_Primer.pdf (7.02 MB) Xilinx_FPGA_开发环境的配置.pdf (420.63 KB) Xilinx_FPGA开发全攻略_基础篇.pdf (6.72 MB) Xilinx_...
Xilinx FPGA开发实用教程 第2版_高清扫描_带书签.pdf
05-08
Xilinx FPGA开发实用教程 第2版_高清扫描_带书签 本书系统地论述了Xilinx FPGA开发方法、开发工具、实际案例及开发技巧，内容涵盖Xilinx器件概述、Verilog HDL开发基础与进阶、Xilinx FPGA电路原理与系统设计、基于...
【pynq-z2】初始配置
qq_44850725的博客
03-17 3857
1. 官方手册写的挺全，了解一下 PYNQ-Z2 设置指南 PYNQ-Z2 Reference Manual v1.0 pynq（Python On Zynq）z1和z2区别不大，芯片一样 生产商，z1是Digilent、z2是Tul z2有树莓派接口 z2芯片上有散热片（看起来像暖气片的那个） 音频设备不同 尺寸不同 2. 供电：USB 或者 7V-15V的充电器 跳帽选择相应的，开关推到on，红灯亮 👏 3. 下载镜像到MicroSD卡（好像就是tf卡） 手册说SD卡容量最少 8GB，对于Win
DPU on PYNQ-Z2系列—1.1 硬件准备—在Vivado中集成DPU IP
lulugay的博客
11-20 7417
DPU on PYNQ-Z2系列—1.1 硬件准备—在Vivado中集成DPU IP 环境要求 Vivado2019.1 DPU3.0（zcu102-dpu-trd-2019-1-190809.zip，解压后在zcu102-dpu-trd-2019-1/pl/srcs/dpu_ip） 可以在https://www.xilinx.com/products/design-tools/ai-infer...
DPU-PYNQ使用笔记
u014798590的博客
11-14 4259
Ubuntu端 查看模型的结构 可以使用Ubuntu中的Netron软件查看模型结构（Summary） 量化（quantizing) 官方给出了量化的工作流程图，输入模型为浮点模型，其中预处理环节主要工作为折叠和删除无用节点，然后将模型的权重/偏差与激活 （weights/biases and activations）量化到给定的位宽。 To capture activation statistics and improve the accuracy of quantized models, the V
DPU on PYNQ-Z2系列—1.2 硬件准备—在Petalinux中编译DPU的驱动及Linux镜像
lulugay的博客
11-20 7645
在Petalinux中编译DPU的驱动及Linux镜像 环境要求 Petalinux2019.1，参见https://blog.csdn.net/lulugay/article/details/99715402 Quick Way 步骤 创建Petalinux工程 petalinux-create --type project --template zynq --name pynqz2_dpu...
ZYNQ FPGA DPU IP的使用
小铁匠的博客
08-03 5734
ZYNQ FPGA DPU IP的使用 版本：2019.1 开发板：ZCU102 资源：Zynq UltraScale＋ MPSoC DPU TRD 2019.1 打开Hardware Design生成HDF文件 On Linux: Open a Linux terminal Change directory to $TRD_HOME/pl Run the following command in Vivado shell to create the Vivado IPI project and invo
DPU开发流程
sinat_37106527的博客
04-07 1157
1、准备系统启动文件、硬件配置文件 （1）Vivado工程[加载DPU核] 得到hwh文件，用于 硬件配置 文件 得到hdf文件，用于得到启动文件 （2）petalinux工程 得到sd卡启动文件BOOT.BIN,image.ub 2、DNNDK host主机配置[DNNDK3.1 host文件] （1）host主机环境搭建 （2）host主机配置 1.冻结模型 pd文件，jkpt文件集成到pb文件 2.验证冻结模型 3.模型的量化[量化前需要进行预处理] 得到量化后的模型.pb文件 4.验证量化后的模型[
无人驾驶小车笔记
qq_37443333的博客
02-21 2581
树莓派基础 烧写系统 ①将sd卡插入读卡器，读卡器插入电脑 ②在树莓派官网下载树莓派系统，并压缩包解压读写器 ③下载etcher做系统烧写 ④在读卡器G:boot里新建一个文件包括后缀的名字改为ssh（因为新版默认树莓派系统默认不支持ssh连接方式） 获取树莓派的IP地址 ①用网线将树莓派与电脑连接 ②打开网络共享，win10下右键电脑右下角wifi图标点击&amp
开源智能相机- Xilinx Zynq-7000高清图像处理模块
06-02 3547
Zynq-7000图像处理模块设计资料保存：开源智能相机- Xilinx Zynq-7000高清图像处理模块 一、产品概述 Z-turn Board是一款以Xilinx Zynq-7010/7020全可编程系统级芯片的嵌入式开发板。ARM处理器和FPGA架构紧密集成。拥有双核ARM Cortex-A9 MPCore的高性能，低功耗特性，在设计中能更好的满足各种工业需要。L...
PowerSensor AI教程1.1 - 数字识别 - tf模型训练
linxiaobo110的专栏
05-29 1195
写在前面 需要懂一点机器学习 需要懂一点常用的shell指令 最好电脑配有显卡，训练过程会快很多 模型训练不要使用虚拟机，会非常慢 windows和linux都可以用来训练模型，不要歧视windows 本章的例程在下面的百度网盘可以下载到： 链接：https://pan.baidu.com/s/1-ThiQVzCazyY-5ZnqMYfXw 提取码：bg7c 背景知识 人工神经网络 人工神经网络（Artificial Neural Network，即ANN ），是20世纪80 年代以来人工智能领域兴
Xilinx ISE9.1教程： FPGA开发全程指南
"xilinx ISE9.1中文教程" Xilinx ISE9.1是一款针对Xilinx FPGA（Field-Programmable Gate Array）芯片的综合设计环境，它为用户提供了一整套从设计输入、逻辑综合、仿真到硬件实现的解决方案。这款工具在当时具有...
评论
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
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