Vitis-AI-1.3-TensorFlow2 使用TensorFlow2 构建custom AI模型的流程；

最新推荐文章于 2024-07-25 23:47:28 发布

斐非韭

最新推荐文章于 2024-07-25 23:47:28 发布

阅读量708

点赞数

分类专栏： FPGA 文章标签： opencl opencv vitis tensorflow

本文链接：https://blog.csdn.net/weixin_39060517/article/details/116167167

版权

本教程介绍了如何在Vitis-AI 1.3和TensorFlow2环境中创建并量化自定义CNN模型，用于Mnist分类。通过load_data、generate_images、train、quantize等Python脚本，模型经过训练、量化后，最终编译为Xilinx DPU的.xmodel文件，适用于ZCU10x开发板。详细步骤包括模型训练、量化、评估、编译和目标板部署。

摘要由CSDN通过智能技术生成

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

#训练模型
[exxxx@fpga src]$ python3.8 train.py

Load Mnist dataset..
Downloading data from https://storage.googleapis.com/tensorflow/tf-keras-datasets/mnist.npz
11493376/11490434 [==============================] - 3s 0us/step

Create custom cnn..
Model: "mnist_customcnn_model"
_________________________________________________________________
Layer (type)                 Output Shape              Param #
=================================================================
input_1 (InputLayer)         [(None, 28, 28, 1)]       0
_________________________________________________________________
conv2d (Conv2D)              (None, 26, 26, 32)        320
_________________________________________________________________
max_pooling2d (MaxPooling2D) (None, 13, 13, 32)        0
_________________________________________________________________
conv2d_1 (Conv2D)            (None, 11, 11, 64)        18496
_________________________________________________________________
max_pooling2d_1 (MaxPooling2 (None, 5, 5, 64)          0
_________________________________________________________________
conv2d_2 (Conv2D)            (None, 3, 3, 64)          36928
_________________________________________________________________
flatten (Flatten)            (None, 576