手把手教你在FPGA上移植NVDLA+Tengine并且跑通任意神经网络（2）

最新推荐文章于 2024-09-11 15:29:29 发布
最新推荐文章于 2024-09-11 15:29:29 发布
阅读量1.4k 收藏 5
点赞数 2
分类专栏： nvdla 文章标签： fpga开发 神经网络 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/yvbycf/article/details/128072961
版权
本文详细介绍了如何在FPGA开发板上构建Linux 4.19内核，移植Ubuntu 16.04根文件系统，并在ZC706 FPGA上移植NVDLA+Tengine。通过Petalinux工具创建工程，设置SD卡启动，编译内核和设备树，修复因内核版本差异导致的问题，以及KMD和UMD的移植。最后，文章提供了根文件系统下载链接和后续步骤的指引。
摘要由CSDN通过智能技术生成

手把手教你在FPGA上移植NVDLA+Tengine并且跑通任意神经网络（2）

一.前言

模型推理过程
接着上一篇：手把手教你在FPGA上移植NVDLA+Tengine并且跑通任意神经网络（1）
这一篇将主要讲述如何移植ubunt16.04根文件系统+linux4.19内。并且在ZC706 FPGA上正确的加载驱动。经过上文在VIVADO SDK中的验证我们已经可以确定NVDLA模块的功能正确性。但是在日常应用中，需要拥有人机交互和自动配置的需求，官方开源了整套的SW软件栈。那么移植OS操作系统并且移植KMD是我们绕不开的一步了。

二.构建内核linux 4.19

2.1 Petalinux 2019.1

Petalinux是Xilinx公司推出的嵌入式Linux开发套件，包括了Linux Kernel、u-boot、device-tree、rootfs等源码、库，以及Yocto recipes，可以让客户很方便的生成、配置、编译及自定义。Petalinux支持Zynq U

了解本专栏 订阅专栏 解锁全文 超级会员免费看
雪中奇侠
关注
专栏目录
订阅专栏
手把手教你在FPGA上移植NVDLA+Tengine并且跑通任意神经网络（3）
yvbycf的博客
12-02 1639
前一篇文章手把手教你在FPGA上移植NVDLA+Tengine并且跑通任意神经网络（2）已经说明了如何在ZYNQ上移植操作系统并且将跟文件系统替换为ubuntu16.04。到这里NVDLA的硬件和软件平台都已经搭建好了。这篇博客将带着大家在嵌入式平台上编译NVDLA/SW+Tengine。并且运行demo网络。然后笔者会从自己用pytorch搭建的网络模型开始，模型转换量化，并且用NVDLA后端调度。
手把手教你在FPGA上移植NVDLA+Tengine并且跑通任意神经网络（1）
yvbycf的博客
11-26 4863
在FPGA上移植AI加速器，跑通任意神经网络模型
NVDLA-Small在ZCU102上实现
fsFengQingYangheihei的博客
10-13 962
在王维大佬的博客指导下，以及他本人耐心的指点，终于把nvdla-small的运行在zcu102开发板上了。实现参考链接如下：https://vvviy.github.io/2018/09/12/nv_small-FPGA-Mapping-Workflow-I/ 欢迎大家交流nvdla。qq:793625982 ...
NVDLA专题1：NVDLA框架介绍
fangfanglovezhou的博客
08-12 1238
NVDLA专题1,NVDLA框架总结和介绍。
手把手教你在FPGA上移植NVDLA+Tengine并且跑通任意神经网络（4）
yvbycf的博客
12-11 1198
前一篇文章手把手教你在FPGA上移植NVDLA+Tengine并且跑通任意神经网络（3）截止上文已经实现了在ARM-FPGA中跑通一个demo历程。也恰恰说明了搭建的硬件和软件的正确性。那么如何转换设计的神经网络并且使用Tengine框架调用NVDLA后端呢？Tengine社区的example中给了我们最好的答案。首先将pytorch设计的模型转换为onnx模式然后再调用Tengine的model convert工具将模型转换为TMFILE。
基于NVDLA与FPGA结合的神经网络加速器平台设计.pdf
07-13
基于NVDLA与FPGA结合的神经网络加速器平台设计.pdf
NVDLA Xilinx FPGA Mapping
luoganttcc的博客
02-01 628
本文采用的硬件版本是hw仓库的master分支，v1的spec文件仅提供了full版本，应该没有FPGA能够塞得下。master 分支提供了 small 和 large 两个版本的spec 文件，我们使用 small 的配置，当然这个过程对 large 也是适用的，接下来首先讲一下如何生成rtl。NVDLA的软件栈分为两个部分，一个是Compiler，Compiler在自己的主机上编译是与硬件无关的，而Runtime则需要调用KMD程序调度加速器，只能在板卡上运行。
国密浏览器+tengine+Tongsuo实现国密https离线部署
最新发布
09-25
国密浏览器+tengine+Tongsuo实现国密https离线部署
探索高效AI加速：ZYNQ-NVDLA——Xilinx FPGA上的NVDLA实现
gitblog_00014的博客
05-29 621
探索高效AI加速：ZYNQ-NVDLA——Xilinx FPGA上的NVDLA实现 项目地址:https://gitcode.com/LeiWang1999/ZYNQ-NVDLA 在AI技术不断发展和应用的今天，高效的硬件加速器成为关键。ZYNQ-NVDLA是一个令人瞩目的开源项目，它将NVIDIA Deep Learning Accelerator（NVDLA）架构映射到Xilinx FPGA上...
面向ZC706移植的NVDLA移植
yvbycf的博客
11-06 884
1.sw/umd/utils/calibdata/calib_txt_to_json.py 这个是转换为json的脚本
RISC-V & NVDLA简单入门介绍
12-14
开源的处理器指令集平台和开源的深度学习加速器平台，两者结合可以提供更多种的可能。文档给第一次接触这两个项目的人，提供入门级的参考。
NVDLA RunTime编译运行
宁月的博客
05-06 2172
1. 构造kmd 2. 构造umd 3. 运行Complier生成loadabel 4. 在VP运行RunTime 详细内容见笔记 http://note.youdao.com/noteshare?id=6a0fa4ab9a362cfdabc861ecadc0dd5a
如何编译并调试NVDLA编译器源码
yvbycf的博客
11-20 1206
NVDLA简单来说就是英伟达公司开源的AI处理器框架。NVDLA处理器主要包括Convolution Core,SDP,CDP,PDP等几个部分，分别进行卷积，线性运算，池化运算等等。可以单个模块工作，也可以多个模块协同工作。比如说Convlotion卷积得到的结果可以作为SDP的输入进行relu计算。为了让NVDLA的硬件可以更高效的配置，官方还开源了配套的软件工具链。compiler 编译器runtime 运行时kmd 内核驱动程序。
NVDLA VP使用指南
lbai7134的博客
12-23 3265
本文用流水账的形式记录如何使用nvdla的virtual platform编译生成NVDLA硬件可识别代码并且在QEMU中模拟运行。NVDLA硬件为full模式，并没有对硬件做任何的配置。 下载nvdla/vp中提到的docker，所有的编译工具都已经预编译并且放在/usr/local/nvdla/中 docker pull nvdla/vp 准备caffe模型 可以从以下链接下载编译好了的caffe模型，并从以下链接获取测试样例。此处需要注意，caffe模型是使用黑底白字训练的，而我们得到的测试
杰理之Tengine_cnn【篇】
u013820168的博客
05-15 147
.在服务器上把Tengine的源码拉取下来： git clone https://gitee.com/OAL/Tengine.git 。 2.进入到Tengine中切换分支， 去到lite-v1.5-nvdla分支 git checkout lite-v1.5-nvdla 。 3.打入补丁 te-1.5.patch , 补丁在 apps\common\example\third_party\tengine\common 中。 4.创建 build 文件 mkdir build 5.进入build文件， cm
NVDLA专题15:Runtime environment-核心模式驱动
fangfanglovezhou的博客
09-11 676
NVDLA专题15:Runtime environment-核心模式驱动。
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

雪中奇侠

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