Ultra96V2开发板配置pynq以及dpu-pynq

1.准备物品

Ultra96V2开发板x1

一根usb3.0A公对microB移动硬盘数据线x1

32GB SD卡以及读卡器 x1
WiFi

2.烧写镜像

点击PYNQ网站并下载对应的镜像文件，这里我下载的版本是V2.6。

烧写镜像需要使用工具，这里我使用的是Win32 Disk Imager

在将读卡器插入电脑后，可以先对SD卡进行一次格式化，然后打开上面的软件，依次选择对应的磁盘，对应的镜像，然后点击写入，烧录时间大概5到10分钟左右，烧录结束后取下读卡器，将SD卡插入到开发板中。

3.运行jupyter

用microB线连接开发板以及电脑，插上开发板的电源，并按开发板的SW4按键打开开发板。接下里需要使用串口工具来连接开发板，串口工具比较多，我使用的是MobaXterm。

按照图中所示配置一下串口，然后点开串口，出现下面的界面表示连接成功。

这里我们可以先看一下网络

ifconfig

用浏览器输入网址

192.168.3.1

即可以打开jupyter文件

4.安装dpu-pynq

因为需要使用vitis-ai导出来的xmodel文件，这里配置了dpu-pynq来调用dpu。
首先保证你的开发板能够连接到网络，在jupyter的common/wifi.ipynb中已经提供了网络连接的代码。SSID中输入wifi的名称，password中输入wifi的密码。

在dpu-pynq已经给出了具体的安装方法。
（1）在串口工具中输入su运行管理员权限，密码默认为xilinx。
（2）在窗口输入以下命令

git clone https://github.com/Xilinx/DPU-PYNQ.git
cd DPU-PYNQ/upgrade
make

Tips1 如果网络不好的话，可以先下好这个文件，再直接通过文件夹导入jupyter中。
再文件夹中输入下面的地址，弹出的界面中用户和密码均为xilinx

\\192.168.3.1\xilinx\jupyter_notebooks

Tips2 如果一直make失败，你可以先同步一下linux的时间，再多make几次，但是仍然有可能失败，建议在网络比较好的时间段进行，如果网络是不能连接上github，那肯定会失败的，实际make的时间大约在40分钟到1小时。
（3）在窗口输入以下命令

pip3 install pynq-dpu
cd $PYNQ_JUPYTER_NOTEBOOKS
pynq get-notebooks pynq-dpu -p .

下面的指令会在jupyter中生成一个pynq-dpu文件，里面有一些使用dpu的工程示例文件。

5.MNIST手写数字识别示例

打开dpu-pynq中的dpu_mnist_classifier文件，依次代码块运行，在实际运行时我在读取标签时一直报错，所以我先将对应的数据集下载下来，再进行处理。
这里参考的是 本地加载mnist数据集的方法

def load_mnist():
    
    path = 'mnist.npz' #放置mnist.py的目录。注意斜杠
    f = np.load(path)
    x_train, y_train = f['x_train'], f['y_train']
    x_test, y_test = f['x_test'], f['y_test']
    f.close()
    return (x_train, y_train), (x_test, y_test)
 
(train_data,train_label),(test_data,test_label) = load_mnist()

normalized_data = np.asarray(test_data/255, dtype=np.float32)
test_data = np.expand_dims(normalized_data, axis=3)
print(test_data.shape)
print(test_label.shape)

最后的结果如下图所示

到这里为止，我们配置好了pynq以及dpu-pynq，实际上新版本dpu-pynq不再支持以前的模型格式，只能使用xmodel文件。