在线观看www成人影院-在线观看www日本免费网站-在线观看www视频-在线观看操-欧美18在线-欧美1级

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

如何用10行代碼輕松在ZYNQ MP上實現圖像識別

XILINX開發者社區 ? 來源:XILINX開發者社區 ? 作者:張超 ? 2021-10-09 10:47 ? 次閱讀

本文來自賽靈思高級產品應用工程師,張超。如今各種機器學習框架的普及使得個人搭建和訓練一個機器學習模型越來越容易。然而現實中大量的機器學習模型訓練完后需要在邊緣端部署,那么我們看看借助Xilinx Vitis-AI工具,如何僅僅使用10行代碼,就能在ZYNQ MP器件上部署深度學習模型實現圖像分類。

簡介

Xilinx Vitis-AI 是用于 Xilinx 硬件平臺上的 AI 推理的開發堆棧。它由優化的 IP、工具、庫、模型和示例設計組成。

簡單來說,它主要包含:

AI推理加速器IP,即DPU;

支持將AI模型優化 (Optimizer)、量化 (Quantizer)、最后編譯 (Compiler) 成DPU運行指令集的整套工具;

支撐模型運行的運行時庫(Vitis-AI runtime, Vitis-AI library);

更多具體介紹請 訪問如下鏈接至官方文檔:

https://github.com/Xilinx/Vitis-AI

https://www.xilinx.com/support/documentation/sw_manuals/vitis_ai/1_4/ug1414-vitis-ai.pdf

本案例中,我們將使用 Xilinx Kria KV260開發板(包含ZynqMP器件)為目標運行設備。

本文使用的Vitis-AI 版本為1.4, 使用的platform基于Vitis/Vivado 2020.2。為了方便快速部署,我們直接使用官方發布的Linux系統啟動鏡像, 并且使用Vitis-AI library為編程接口

準備工作

開始工作前我們需要先搭建好運行環境,包括設置host端(X86機器)的交叉編譯環境,以及 target端(KV260)的啟動鏡像燒寫。

本文的主要目的是闡述 Vitis-AI Library 的使用,故運行環境的搭建不做過多介紹,可以完全參考以下鏈接中的步驟

“Step1: Setup cross-compiler”

“Step2: Setup the Target”

https://github.com/Xilinx/Vitis-AI/tree/master/setup/mpsoc/VART

注意因為KV260 的Vitis-AI 1.4 platform基于Vitis/Vivado 2020.2, 配置交叉編譯環境使用的腳本為host_cross_compiler_setup_2020.2.sh

因為我們使用官方啟動鏡像,Step2中標注為“Optional”的步驟我們都可以省略。

當KV260成功啟動,我們會在console中看到如下提示符:

root@xilinx-k26-starterkit-2020_2:~#

程序編譯

可通過如下方式獲得本案例中的代碼,

git clone https://github.com/lobster1989/Image-classification-on-edge-with-10-lines-of-code.git

主要用到的文件為classification.cpp和Makefile。另外幾個Jpeg文件可用于后續測試輸入。

安裝準備工作章節中配置好交叉編譯環境后,切換到源碼目錄中直接運行make。make完成后文件夾中會生成執行文件“classification”。

運行演示

KV260 連接好串口,從SD卡啟動運行(記得提前把執行文件和測試圖片拷貝到SD下),

切換到執行文件和測試圖片目錄下,運行 ./classification.JPEG

分類結果如下:

a62d0dca-225d-11ec-82a8-dac502259ad0.png

代碼分析

Vitis-AI包含了兩組編程接口:VART (Vitis-AI Runtime) 比較底層,提供更大的自由度;Vitis-AI library屬于高層次API,構建于 VART 之上,通過封裝許多高效、高質量的神經網絡,提供更易于使用的統一接口。

Vitis-AI Library的組成如下圖,包含 base libraries, model libraries, library test samples, application demos幾個部分:

base libraries提供底層接口;

model libraries是重要的部分,提供了主流模型(classification, detection, segmentation…) 的調用方法;

library test samples和application demos主要提供library的使用示例;

更多Vitis-AI library的細節可參考官方文檔,

https://www.xilinx.com/support/documentation/sw_manuals/vitis_ai/1_4/ug1354-xilinx-ai-sdk.pdf

再來看本例子,如何用簡單到10行代碼實現圖片分類:

int main(int argc, char* argv[]) {

std::string image_name = argv[1];

auto image = cv::imread(image_name);

auto network = vitis::create("resnet50");

auto result = network->run(image);

cout << "Classification result:" << endl;

for (const auto &r : result.scores){

cout << result.lookup(r.index) << ": " << r.score << endl;

}

}

源文件中除去include部分,只有10行代碼,代碼中最重要的有兩句,第一句調用create方法創建了Classification類的一個實例,第二句調用run方法來運行神經網絡獲得推理結果。

auto network = vitis::create("resnet50");

auto result = network->run(image);

vitis::Classification 是 model libraries 中的一個基礎類,其作用是進行圖片分類,這個類中包含如下方法:

a6c1f034-225d-11ec-82a8-dac502259ad0.png

其中create方法接受一個模型名稱作為參數,返回一個Classification類的實例。在安裝了Vitis-AI Library的開發板上,已經訓練編譯好的模型文件放在開發板的/usr/share/vitis_ai_library/models/目錄下,Vitis-AI Library會通過傳遞給create方法的模型名稱來調用這些模型文件,比如我們用到的resnet50模型文件位置如下,

a6f371cc-225d-11ec-82a8-dac502259ad0.png

如果用戶訓練并編譯好了自己的模型,也可以把自己的模型文件放到對應位置來使用。

run方法接受一個/一組圖片作為輸入,輸出這個/這些圖片的分類結果。其工作簡單來說就是把模型文件和圖片數據傳送給DPU, DPU運行并輸出推理結果,CPU再讀回結果。

再看下添加了注釋的代碼片段,整個過程實際上非常簡單明了。

int main(int argc, char* argv[]) {

std::string image_name = argv[1];

auto image = cv::imread(image_name); // 讀入圖片

auto network = vitis::create("resnet50"); // 用resnet50模型創建Classification類實例

auto result = network->run(image); //運行模型

cout << "Classification result:" << endl;

for (const auto &r : result.scores){

cout << result.lookup(r.index) << ": " << r.score << endl; //輸出模型運行結果

}

}

除了Classification基礎類, Vitis-AI Library包含了非常多的常用機器學習任務(classification, detection, segmentation…)的基礎類。這些類的使用方法基本一致,

首先通過create方法創建基礎類的實例,

通過getInputWidth()/getInputHeight()來獲取模型需要的圖片尺寸,

resize圖片,

運行run方法來運行網絡獲得輸出。

總結

通過這個例子,我們看到通過Vitis-AI工具,可以大大縮減模型到部署之間的距離。Vitis-AI包含了常用模型的Model-Zoo, 提供簡單易用的編程接口,甚至可以讓不熟悉機器學習或者FPGA的軟件開發者都可以在極短的時間內在FPGA/SoC器件上部署神經網絡應用。

編輯:jq

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • MP
    MP
    +關注

    關注

    0

    文章

    39

    瀏覽量

    36131
  • 圖像識別
    +關注

    關注

    9

    文章

    520

    瀏覽量

    38292
  • 代碼
    +關注

    關注

    30

    文章

    4803

    瀏覽量

    68754
  • Zynq
    +關注

    關注

    10

    文章

    610

    瀏覽量

    47215

原文標題:開發者分享 | 10行代碼輕松在ZYNQ MP上實現圖像識別

文章出處:【微信號:gh_2d1c7e2d540e,微信公眾號:XILINX開發者社區】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏

    評論

    相關推薦

    基于DSP的快速紙幣圖像識別技術研究

    本課題通過對現有圖像識別技術進行研究和分析,針對當前DSP(數字信號處理)技術的新發展,提出了基于DSP的快速圖像識別概念。快速圖像識別技術以嵌入式系統為算法的實現平臺,它結合了當前最
    發表于 11-05 14:43

    【瑞芯微RK1808計算棒試用申請】圖像識別以及芯片評測

    棒完成計算后把數據送回PC4,擁有PC開發界面經驗,有使用python開發PyQt5界面經驗,能工完成PC端數據處理,圖像傳送和接收預計成果:1,PyQT界面,實現圖像傳送和接收功能2,計算棒端數據處理
    發表于 09-18 19:21

    何用單片機實現圖像識別

    何用單片機實現圖像識別
    發表于 10-25 06:43

    圖像識別模組(包括PCB圖、圖像識別模組源代碼)

    圖像識別模組電路原理圖、圖像識別模組PCB圖、圖像識別模組源代碼圖像識別模組用戶使用手冊
    發表于 01-02 19:14 ?121次下載

    簡單介紹圖像識別技術各類行業的應用

    其實對于圖像識別技術,大家已經不陌生,人臉識別、虹膜識別、指紋識別等都屬于這個范疇,但是圖像識別遠不只如此,它涵蓋了生物
    的頭像 發表于 01-23 11:26 ?3.5w次閱讀

    圖像識別技術農業領域的應用

    隨著計算機技術的進步,以圖像識別為代表的人工智能技術得以迅速發展并被廣泛用于航空、醫學等多個領域。今天,圖像識別技術也已成為發展現代農業不可缺少的組成部分,成為實現農業信息化與自動化的重要技術力量。
    發表于 03-19 15:02 ?5335次閱讀

    如何在APT-Pi實現圖像識別功能

    不用自己訓練模型,也能進行 AI 圖像識別;借助百度云平臺,我們可以 APT-Pi 實現圖像識別功能。 創建
    的頭像 發表于 10-09 15:46 ?1.1w次閱讀
    如何在APT-Pi<b class='flag-5'>上</b><b class='flag-5'>實現</b><b class='flag-5'>圖像識別</b>功能

    10代碼輕松ZYNQ MP實現圖像識別

    如今各種機器學習框架的普及使得個人搭建和訓練一個機器學習模型越來越容易。然而現實中大量的機器學習模型訓練完后需要在邊緣端部署,那么我們看看借助Xilinx Vitis-AI工具,如何僅僅使用10代碼,就能在
    的頭像 發表于 08-02 08:03 ?2232次閱讀
    <b class='flag-5'>10</b><b class='flag-5'>行</b><b class='flag-5'>代碼</b><b class='flag-5'>輕松</b><b class='flag-5'>在</b><b class='flag-5'>ZYNQ</b> <b class='flag-5'>MP</b><b class='flag-5'>上</b><b class='flag-5'>實現</b><b class='flag-5'>圖像識別</b>

    10代碼輕松ZYNQ MP實現圖像識別的步驟

    Xilinx Vitis-AI 是用于 Xilinx 硬件平臺上的 AI 推理的開發堆棧。它由優化的 IP、工具、庫、模型和示例設計組成。
    的頭像 發表于 07-04 09:20 ?1519次閱讀
    <b class='flag-5'>10</b><b class='flag-5'>行</b><b class='flag-5'>代碼</b><b class='flag-5'>輕松</b><b class='flag-5'>在</b><b class='flag-5'>ZYNQ</b> <b class='flag-5'>MP</b><b class='flag-5'>上</b><b class='flag-5'>實現</b><b class='flag-5'>圖像識別</b>的步驟

    Imagga利用DGX Station實現快速圖像識別

    Imagga利用DGX Station實現快速圖像識別
    的頭像 發表于 08-01 15:10 ?652次閱讀

    模擬矩陣圖像識別中的應用

    訊維模擬矩陣圖像識別中的應用主要是通過構建一個包含多種圖像數據的模擬矩陣,來訓練和測試深度學習模型,從而提高圖像識別的準確性和效率。
    的頭像 發表于 09-04 14:17 ?592次閱讀
    模擬矩陣<b class='flag-5'>在</b><b class='flag-5'>圖像識別</b>中的應用

    圖像識別技術原理 圖像識別技術的應用領域

    圖像識別技術已經各個領域廣泛應用,其應用領域包括但不限于以下幾個方面。 一、智能安防領域 圖像識別技術智能安防領域得到了廣泛的應用。通過對監控攝像頭中的
    的頭像 發表于 02-02 11:01 ?2566次閱讀

    如何利用CNN實現圖像識別

    卷積神經網絡(CNN)是深度學習領域中一種特別適用于圖像識別任務的神經網絡結構。它通過模擬人類視覺系統的處理方式,利用卷積、池化等操作,自動提取圖像中的特征,進而實現高效的圖像識別。本
    的頭像 發表于 07-03 16:16 ?1439次閱讀

    圖像識別技術醫療領域的應用

    一、引言 圖像識別技術是一種利用計算機視覺技術對圖像進行分析和處理的技術。隨著計算機技術、人工智能技術、大數據技術等的發展,圖像識別技術各個領域的應用越來越廣泛。
    的頭像 發表于 07-16 10:48 ?965次閱讀

    AI圖像識別攝像機

    ?AI圖像識別攝像機是一種集成了先進算法和深度學習模型的智能監控設備。這些攝像機不僅能夠捕捉視頻畫面,還能實時分析和處理所拍攝的內容,從而實現對特定對象、場景或
    的頭像 發表于 11-08 10:38 ?288次閱讀
    AI<b class='flag-5'>圖像識別</b>攝像機
    主站蜘蛛池模板: 亚洲色图欧美激情| 日本在线观看高清不卡免v| 黄色大片在线免费观看| 免费xxxx大片| 亚洲免费一| 久久狠狠干| 91欧美精品激情在线观看| 成人欧美精品大91在线| 午夜在线观看免费| 免费高清视频在线观看| 韩国午夜影院| 8x8x极品国产在线| 国产免费久久精品99| 中文字幕一区二区三区精品| 亚洲男人的天堂久久香蕉| 美女扒开尿口给男人桶| 下农村女人一级毛片| 日本三级在线观看免费| 国产真实乱偷人视频| 午夜看毛片| 狠狠色综合色综合网络| 一级a级国产不卡毛片| 99热久| 色婷婷欧美| 色综合天天色| 色宅男午夜电影在线观看| 免费国产成人α片| 成人精品视频一区二区三区| 色偷偷尼玛图亚洲综合| 欧美在线网站| 中文字幕在线观看一区二区三区 | 黄黄视频在线观看| 在线观看亚洲一区二区| 亚洲国产福利| 免费黄色毛片| 天天搞天天操| 亚洲一区二区三区在线播放| 午夜男人影院| 国产精品视频永久免费播放| 免费又爽又黄1000禁片| 午夜免费网址|