【KV260视觉入门套件试用体验】KV260系列之Petalinux镜像+Resnet 50探索

Vitis AI 概述

AMD Vitis™ AI 开发环境可在 AMD 硬件平台上加速 AI 推断，包括边缘器件和 AMD Versal™ 加速器卡。这一综合性框架包括最优化 IP 核、多用途的工具、功能强大的库、多元化的模型和直观的设计示例。Vitis AI 以高效和易用性为核心，使其得以在 AMD SoC
和自适应 SoC 上成功解锁 AI 加速的全部潜能。Vitis AI 开发环境将底层可编程逻辑的繁复细节加以抽象化，从而帮助不具备广泛 FPGA 知识的用户轻松开发深度学习推断应用。

Vitis AI 集成开发环境

这里简要介绍一下Vitis AI各部分的具体作用

Vitis AI Model Zoo 是经过微调的精选深度学习模型集合。

Vitis AI Optimizer 可以当作是优秀的剪枝工具

Vitis AI Compiler 可将 AI 模型映射到高效的指令集和数据流模型。它还可尽可能执行复杂的最优化操作，例如，层融合、指令调度和复用片上存储器。

Vitis AI Profiler可用于对 AI 应用进行性能分析和可视化，以在不同器件之间查找瓶颈并分配计算资源。

Vitis AI Library 是一组高层次库和 API，专为利用 DPU 高效执行
AI 推断而设计

Vitis AI Runtime是各种应用可借助 Vitis AI Runtime来访问统一的高层次运行时 API

Vitis AI Docker则是使用容器的威廉希尔官方网站 来管理各个AI开发环境。

首先需要去官网下载petalinux的镜像（https://china.xilinx.com/member/forms/download/design-license-xef.html?filename=xilinx-kv260-dpu-v2022.2-v3.0.0.img.gz）这是目前最新的DPU镜像

然后参考镜像烧录流程进行烧写，推荐使用32g的SD卡

烧写完成后，上电，连网

可以看到开发板的dashboard也可以进行访问，查看开发板各种资源占用情况

下载必要的图片包，并且创建文件夹将下载的文件解压进去

cd ~

wget https://china.xilinx.com/bin/public/openDownload?filename=vitis_ai_runtime_r3.0.0_image_video.tar.gz -O vitis_ai_runtime_r3.0.0_image_video.tar.gz

mkdir vitis_ai_runtime_r3.0.0_image_video

tar -C vitis_ai_runtime_r3.0.0_image_video
-xzvf vitis_ai_runtime_r3.0.0_image_video.tar.gz

然后进入resnet50文件夹，并运行resnet50示例程序：

cd ~/Vitis-AI/examples/vai_runtime/resnet50

./resnet50
/usr/share/vitis_ai_library/models/resnet50/resnet50.xmodel

创建图片文件夹，将之前下载解压后的图片文件复制到images中

mkdir -v ../images

cp -vr ~/vitis_ai_runtime_r3.0.0_image_video/images/*
../images/

在image中重新上传自己下载的图片这里我用的是z-modem的方法

上传自己下载的老虎照片并移除原本照片后

运行显示老虎识别的情况。

总结：vitis ai工具链十分完善，且ai model zoo中AMD优化过的模型非常多，即拿即用非常方便，不愧是号称1小时上手的开发板，但是具体定制性如何，部署自己的模型在量化剪枝过程中有什么问题还，需要后续花时间摸索。